谷歌推出 Gemma 2：下一代高性能开源 AI 模型

谷歌在开源模型领域又放了一个大招——Gemma 2正式亮相，带来了9B和27B两个参数版本。这次升级的重点在于性能和效率，目标很明确：让研究者和开发者能够更方便地部署和集成。 先说说它的几个硬核参数。Gemma 2在推理速度和运行效率上都有了质的飞跃，最直观的一点是：你可以在单个NVIDIA H100 Tensor Core GPU或Google Cloud TPU上直接跑起来，这意味着部署成本被实实在在地压了下来。更关键的是，它对主流硬件的兼容性很好，Hugging Face Transformers、JAX、PyTorch、TensorFlow这些主流框架都支持，甚至还和NVIDIA的TensorRT-LLM做了适配。 谷歌还贴心地把配套的“Gemma Cookbook”放了出来，里面全是具体的实例和操作步骤，上手微调模型不再是难题。 当然，安全和负责任AI这件事也没落下。从数据过滤到偏见风险评估，谷歌在开发过程中做了严格的测试。值得一提的是，谷歌正在把自家的文本水印技术SynthID也开源出来，集成到Gemma模型中，为生成内容的可追溯性提供了保障。 现在，Gemma 2已经在Google AI Studio上线了，你不需要考虑硬件环境，可以直接在线试玩它的性能。如果想下载模型权重，Kaggle和Hugging Face Models都提供了渠道，后续还会上架Vertex AI Model Garden。对于研究和开发，谷歌给出的支持力度也不小——通过Kaggle或Colab笔记本，可以免费获取Gemma 2的调用权限；学术研究人员还有机会申请Google Cloud信用额度。 如果要把它的核心亮点做个梳理，大概有这么几个： * **开放与易用**：采用商业友好的Gemma许可证，允许开发者和研究者自由地分享甚至商业化自己的成果。 * **性能与效率**：这是最大的卖点。不同硬件上都能跑出不错的推理速度，成本效益很突出。 * **集成友好**：无缝融入现有工作流程，同时兼容众多AI框架和硬件设备，省去了大量适配的时间。 * **安全与责任**：通过数据过滤和严格的测试评估来降低偏见和风险，这已经是谷歌AI产品的标准动作了。 * **研究支持到位**：从Kaggle、Colab的免费算力，到Google Cloud信用额度，谷歌确实在努力帮开发者跨过第一道门槛。