Gemma 相关 AI 资讯

AITOP

8月21日

11:02

11:02IT之家（博客/媒体）

72°

谷歌端侧模型Gemma总下载量达10亿次，开发者发布超10万变体，应用于多个领域。Gemmaverse生态系统包括社区项目、教程等。

AI模型 Gemma 开源模型智能体

推荐理由：谷歌Gemma模型下载量突破10亿次，应用广泛，开发者社区活跃，值得了解。

原文

03:59

ollama@ollama

78°

Gemma 模型下载量已达到 10 亿。该模型由 GoogleDeepMind 开发，是当前最受欢迎的开源模型之一。社区已将 Gemma 应用于多种创新场景，从水下到太空环境均有涉及。

AI模型 Gemma GoogleDeepMind 开源模型

推荐理由：GoogleDeepMind 的 Gemma 模型下载量破 10 亿了，看看社区都拿它做了啥，从水下到太空都有。

原文

02:05

Philipp Schmid@_philschmid

精选

Awesome Gemma 资源库已在 GitHub 上线。该库收录了 16 个 Gemma 模型变体的模型卡片和合集。它还提供了 Ollama、vLLM 和 LiteRT 的设置指南。此外，库中包含 Unsloth、Tunix 和 MLX 的微调教程。社区项目、应用和演示也包含在内。

AI产品 Gemma Google Ollama

推荐理由：Google 的 Awesome Gemma 资源库上线了，里面有你想要的模型卡片、部署指南和微调教程，比自己找方便多了。

原文

8月16日

16:13

andrew chen@andrewchen

Meta、NVIDIA、Google、Thinking Machines、OpenAI、Microsoft 六家公司集中布局开源权重模型。Muse、Nemotron、Gemma、Inkling、GPT-OSS、Phi 等模型成为各公司代表。Andrew Chen 在 X 上发帖感谢这些公司 'leading the way'。他表示，GPT-OSS 等模型只是开始。

AI模型 GPT-OSS Gemma Nemotron

事件专题

推荐理由：六大公司集体晒开源模型，GPT-OSS、Gemma、Phi 挨个看，开源党有得玩了。

原文

8月15日

02:00

官方账号阿里通义 Qwen@Alibaba_Qwen

精选

Hugging Face发布2026年夏季《State of Open Models》报告。报告称，前沿模型规模越来越大，但小模型在实际使用中占主导。Qwen在本地推理使用量上领先，Gemma紧随其后。报告还显示，AI智能体已成为Hub上的重要力量。

论文 Qwen Gemma Hugging Face

推荐理由：Hugging Face报告显示Qwen本地推理排第一、Gemma第二，小模型玩家值得看看。

原文

01:29

官方账号Hugging Face@huggingface

HuggingFace发布2026年夏季开放模型状态报告。报告显示前沿模型规模持续扩大，但小模型仍主导实际部署。Qwen在本地推理使用量上排名第一，Gemma位居第二。AI代理已成为HuggingFace Hub上的重要增长动力。

行业 HuggingFace Qwen Gemma

推荐理由：HuggingFace出了份开放模型夏季报告，告诉你哪些小模型最常用，Qwen和Gemma谁跑得靠前，搞本地部署前先看看。

原文

8月7日

01:23

官方账号Clement Delangue@ClementDelangue

73°

Hugging Face CEO Clement Delangue在X发文说，智能体之间互相协作和通信是好事，不是威胁，会让它们更像人类一样高效和安全。他提到几周前与Google Gemma做了一个149个智能体的公开协作实验，现在@cmpatino_又启动了新实验，让智能体一起写出更好的数学证明。两个项目都托管在Hugging Face Spaces上。

AI模型 Hugging Face Gemma 多智能体协作

推荐理由：Hugging Face CEO用149个Gemma智能体做协作实验，还能围观它们公开交流写数学证明。

原文

7月29日

11:10

官方账号arXiv cs.AI@Carlos Celemin, Benedict Wilkins, Adrián Barahona-Ríos, Saman Zadtootaghaj, Nabajeet Barman

该研究探索了视觉语言模型(VLMs)在基于agent的游戏QA管道中检测几何裁剪异常。自定义探索agent收集视觉数据，自动标注管道提供帧级标签。零样本设置下测试了Gemini、GPT、Qwen、Gemma、Llama和Ministral六种VLM及四种提示变体。Gemini-3.1-Flash在总体准确率和提示鲁棒性上表现最佳，开源模型则对提示设计敏感。当前VLMs更适合作为多阶段QA管道中的高召回候选过滤器。

论文 Gemini GPT Qwen

推荐理由：这篇论文用六种VLM检测游戏里的几何裁剪bug，发现Gemini最稳，开源模型要看怎么问提示词。想了解VLM实际落地坑点的可以看看。

原文

7月26日

06:02

AI Engineer@aiDotEngineer

精选

Google AI Edge团队指出边缘AI的真正瓶颈是RAM而非算力，且手机厂商今年缩减RAM、6GB树莓派涨价2.5倍。2B参数的Gemma经2.9-bit量化后可在树莓派上达到约8 tokens/秒，在高通NPU上足以处理几帧视觉。更小的500M至50M参数模型能覆盖老旧设备，通常需微调而非提示。微调后的Gemma在10个动作中实现超86%的函数调用准确率，配合语音模型可完成语音到函数调用。已有一款离线语音听写应用投产，基于两个sub-billion Gemma模型，无需订阅且能去除口头禅。

AI模型 Gemma Google AI Edge Raspberry Pi

推荐理由：Google工程师讲透了边缘AI的内存瓶颈，用小模型做智能体实际可行，还给了离线语音应用的真实案例。

原文

00:08

Sundar Pichai@sundarpichai

Google CEO Sundar Pichai在X平台发帖，表示Google长期受益于开源并一直是开源社区的重要贡献者。他提到Google DeepMind与Demis Hassabis持续发布开源权重模型Gemma。该帖获得700条评价、4791次点赞。此举进一步明确Google对开源生态的支持态度。

行业 Google Sundar Pichai Gemma

推荐理由：Google CEO亲自表态支持开源，还提到他们一直在发Gemma开源模型，值得关注。

原文

7月25日

23:50

官方账号Demis Hassabis@demishassabis

72°

Demis Hassabis发布推文重申对开放生态的支持，提到DeepMind在Jax、Transformers、AlphaFold及Gemma开放模型上的贡献，Gemma模型下载量已超3亿次。NVIDIA签署并发布了一封由Jensen Huang分享的信件，指出开放模型能强化安全与网络安全、加速创新和扩散，并支持各国实现技术主权。双方共同呼吁世界需要同时拥有前沿封闭模型和前沿开放模型。

行业 Demis Hassabis NVIDIA Gemma

事件专题

推荐理由：Hassabis和NVIDIA一起为开放模型发声，Gemma下载量3亿+，开放模型让每个国家都能自主构建AI，安全又实用。

原文

17:50

Geek@geekbb

开发者成功在售价 8 美元的 ESP32-S3 芯片上运行了接近 2900 万参数的 LLM。核心技巧是将大部分模型参数存储在 Flash 而非 RAM 中，借鉴了 Google Gemma 的 Per-Layer Embeddings 思路。该方法大幅降低了内存占用，使低成本边缘设备也能运行较大模型。项目已开源在 GitHub 上。

技巧 ESP32-S3 LLM Gemma

事件专题

推荐理由：别人用 8 美元的芯片跑大模型，靠的是 Gemma 的分层嵌入技巧。想低成本部署边缘 AI？这个开源项目就是参考答案。

原文

7月21日

12:32

官方账号arXiv cs.AI@Brian K Chen

该论文通过在精确标注的三段论推理基准上添加软前缀，测试了Qwen3.6-35B-A3B MoE、Qwen3-8B和Gemma 4 31B三个模型在逻辑判断中的稳定性。软前缀能覆盖大多数正确答案，并在16组模型-方向-分割比较中，比随机控制前缀的翻转率高出37到99个百分点。Qwen3.6 MoE在不同措辞和提示变化下的翻转率维持在72%至90%，而Gemma的有效前缀翻转率为54%至56%，远低于匹配随机前缀的不到1%。诊断测试表明，主导效应是对某一种答案含义的广泛偏好，而非固定的符号强制或跨任务可靠转移的运算，且这种偏差形式因模型而异。

论文软前缀三段论推理 Qwen

推荐理由：这篇论文用软前缀测试了三段论推理，发现模型答案很容易被带偏，Qwen和Gemma的稳定性差异很大，值得做推理研究的读一下。

原文

7月18日

12:19

小互@imxiaohu

Google 推出了 gemma-trainer 工具，允许用户在本地计算机上对 Gemma 模型进行微调。该工具简化了微调流程，无需依赖云端资源。用户可以通过简单的命令或界面操作，定制自己的专属模型。具体教程链接中提供了详细步骤。

技巧 Gemma gemma-trainer Google

推荐理由：Google 出了个新工具 gemma-trainer，让你在自己电脑上就能微调 Gemma，不用上云，操作简单，适合想定制专属模型的朋友。

原文

00:10

AI Engineer@aiDotEngineer

精选

在 AIE Europe 会议上，Google DeepMind 团队展示了一个完整微调流程：以 Gemma 270M 模型为起点，通过生成合成任务数据、LoRA 微调、int4 量化，最终部署到 Pixel 手机上。整个流程仅需 21 分钟，准确率从 46% 提升至 90%，推理速度达到 2000 tokens/s。该方法对比 1500 美元的线下 AI 训练营有显著效率和成本优势。

技巧 Gemma LoRA 量化

推荐理由：Google 工程师教你怎么在手机上 21 分钟微调一个小模型，从 46% 干到 90%，比花 1500 美元买课还快。

原文

7月8日

19:27

Geek@geekbb

精选

Google 发布了 Gemma 4 技术报告，介绍其最新开放权重多模态模型 Gemma 4（E2B–31B）。报告详细说明了架构设计、效率优化和负责任的 AI 方法。此外还涉及无编码器的 12B 变体、量化感知训练以及多 token 预测（MTP）起草器。

AI模型 Gemma Google 多模态

推荐理由：Google 刚公开 Gemma 4 的技术细节，包括 31B 多模态模型和 12B 无编码器版本，还有量化训练和 MTP 新招，搞开源模型的可以看看。

原文

7月3日

09:46

官方一手arXiv: DeepSeek@Gabriel Hurtado

精选

该论文提出一种无需阈值的审计方法，结合两种内部信号——参考锚定的激活拒绝间隙与基础到候选权重的恢复能量——来检测开放权重检查点是否被剥离拒绝机制。在包含Qwen、DeepSeek-distilled Qwen、Llama和Gemma的273个检查点注册表上，两个信号的z-sum分离了57个公开的abliterations与37个良性微调、合并和指令微调，AUROC达到0.95，显著高于任一单独信号（0.84和0.90）。经Youden校准的阈值在留出族上达到平衡准确率0.89（FPR 0.11），仅漏掉57个中的4个。论文还映射了两种失败模式：伪造参考可无训练规避两个信号，白盒所有者可训练出超过阈值但仍不安全且连贯的检查点。

论文 Qwen DeepSeek Llama

推荐理由：想知道模型有没有被偷偷去掉安全护栏？这篇论文用两个内部信号在273个模型上做到95%的准确率，比单信号靠谱多了。

原文

6月25日

21:54

Patrick Loeber@patloeber

Patrick Loeber 在 #GoogleIOConnect 上介绍了如何使用 AI Studio、Antigravity 2.0、新的 Interactions API、Gemini 3.5 Flash 以及 Gemma 开发应用。AI Studio 是 Google 的 AI 开发平台，Antigravity 2.0 提供新功能，Interactions API 支持更灵活的交互设计。Gemini 3.5 Flash 是高效推理模型，Gemma 是轻量开源模型。演讲内容已发布在 Google 官方博客。

行业 AI Studio Gemini 3.5 Flash Gemma

推荐理由：Google 开发者生态又更新了，Patrick 讲了 AI Studio、Gemini 3.5 Flash 和新的 Interactions API，做应用开发可以看看。

原文

6月18日

08:30

Ate-a-Pi@svpino

推文作者Santiago分享了他的7款最爱模型：日常用Claude Opus 4.7和ChatGPT 5.5 Thinking、实时新闻用Grok、编程用Claude Code（Sonnet 4.6和Opus 4.6）、本地快速用Gemma 4、开放权重用MiniMax 2.7和Qwen 3.6。他还推荐了Anuma作为一站式替代方案，支持跨模型共享上下文和并排对比答案。

AI产品 Claude Opus ChatGPT Grok

事件专题

推荐理由：有人列出了7款主流模型推荐，还发现Anuma能跨模型保持对话、对比答案，省订阅费。

原文

6月12日

12:31

karminski-牙医 (AI工具)@karminski3

精选

Google发布了Gemma小模型的Diffusion版本，名为Diffusion Gemma，大小26B但激活参数量仅4B。与NVIDIA合作针对RTX 4090和5090优化，5090上每秒可生成700+ token。Diffusion模型像刮奖一样逐片生成文本，速度远快于传统逐字生成模型，但输出质量略低。在AIME 2026数学测试中达到Gemma4-26B-A4B的94%水平，在Agent能力测试中达到82%。4bit量化版本仅需16G显存即可运行。

AI模型 Diffusion模型 Gemma Google

事件专题

推荐理由：Diffusion Gemma把文本生成速度拉到单卡700TPS，做实时对话或高吞吐推理的团队可以直接用，4bit量化16G显存就能跑，值得试试能否做投机解码的草稿模型。

原文

6月11日

06:54

06:54IT之家（博客/媒体）

72°

谷歌发布 DiffusionGemma，一种基于文本扩散机制的开源 AI 模型，在本地推理速度上比传统自回归模型快 4 倍。该模型通过并行处理所有 token 并逐步去噪生成输出，避免了自回归模型在低带宽环境下的计算浪费。在单块 H100 GPU 上可达每秒 1000 token，DGX Station 上达每秒 2000 token。代码生成和数学推理能力出色，但科学推理等部分基准仍有短板。模型采用 Apache 2.0 开源，可从 Hugging Face 下载。

AI模型扩散模型谷歌 Gemma

事件专题

推荐理由：本地 AI 推理终于有了速度突破——DiffusionGemma 让低带宽设备也能高效运行，做边缘部署或本地应用的开发者可以直接从 Hugging Face 下载试试。

原文

03:18

官方账号Clement Delangue@ClementDelangue

Google、Hugging Face 与开源 AI 社区联合发起 Gemma 挑战赛，旨在通过数十个智能体协作，让 Gemma 4 E4B 模型运行更快。Hugging Face 的 Hub 正从人类协作平台演变为智能体协作平台，这一赛事展示了 AI 智能体在模型优化中的潜力。挑战赛鼓励开发者参与，推动开源 AI 生态发展。

AI产品智能体开源/仓库 Gemma

推荐理由：这是 AI 智能体协作的实战案例，做模型优化或智能体开发的团队值得关注——看看智能体如何像人类一样在 Hub 上合作提速模型。

原文

6月5日

11:43

AI Will@FinanceYF5

83°

Google 发布了 Gemma 4 12B 模型，这是一个支持视觉、音频、推理和智能体能力的多模态 AI 模型。该模型采用 Apache 2.0 开源协议，可以在本地笔记本电脑上运行，无需依赖重型编码器堆栈。这意味着开发者可以在离线环境中部署强大的 AI 功能，同时保持数据隐私。Gemma 4 12B 的发布进一步降低了多模态 AI 的应用门槛，适合个人开发者和中小企业使用。

AI模型多模态开源/仓库本地部署

推荐理由：多模态模型终于能本地跑了，做边缘计算或隐私敏感应用的开发者可以直接上手试试，Apache 2.0 协议也省了授权烦恼。

原文

11:42

AI Will@FinanceYF5

83°

谷歌发布了 Gemma 4 12B，一款轻量级多模态 AI 模型，无需重型编码器栈即可在笔记本电脑上本地运行。该模型支持视觉、音频、推理和智能体四大核心能力，采用 Apache 2.0 开源协议。这降低了多模态 AI 的硬件门槛，让个人开发者和小团队也能在本地部署和实验。对于关注边缘计算和隐私保护的 AI 从业者来说，这是一个值得关注的开源选择。

AI模型多模态模型开源/仓库本地部署

推荐理由：Gemma 4 12B 让多模态 AI 真正跑在笔记本上，做本地推理、智能体或隐私敏感应用的开发者可以直接拿来用，省去云端依赖。

原文

6月4日

02:35

官方账号Demis Hassabis@demishassabis

精选

Google 发布 Gemma 4 12B 模型，庆祝其总下载量突破 1.5 亿次。该模型体积小巧，仅需 16GB VRAM 即可在笔记本上本地运行。采用 Apache 2.0 开源许可证，开发者可自由使用和修改。

AI模型 Gemma Gemma 4 Google

事件专题

推荐理由：小模型也能本地跑，性能强

原文