Machinelearning

🚀Gemma 4 - новое семейство открытых моделей Google, которые можно запускать прямо на своём железе. Модели заточены для сложного reasoning и агентных задач. 🔵Доступны в четырёх вариантах: • 31B Dense и 26B MoE Топовый уровень производительности для сложных локальных задач: кастомные код-ассистенты, анализ научных данных и не только. • E4B и E2B (Edge) Оптимизированы для мобильных устройств — работают в реальном времени с текстом, изображениями и аудио. 🤖Что можно делать: • строить автономных ИИ-агентов • планировать и выполнять многошаговые задачи • взаимодействовать с приложениями • искать данные и вызывать API 👉 Встроенная работа с инструментами (tool use) из коробки. 🧠Контекст до 256K токенов: • анализ целых кодовых баз • длинные цепочки действий без потери контекста • стабильная работа в сложных сценариях ⚡️ Начать можно уже сейчас через Google AI Studio Также веса моделей доступны на Hugging Face, Kaggle и Ollama. Лицензия: Apache 2.0! Blog: https://blog.google/innovation-and-ai/technology/developers-tools/gemma-4/ GGUFs: https://huggingface.co/collections/unsloth/gemma-4 Guide: https://unsloth.ai/docs/models/gemma-4 @ai_machinelearning_big_data #Gemma

🚀 Google выпустила EmbeddingGemma: лёгкую open-source модель для текстовых эмбеддингов. Модельку можно запускать прямо на телефоне или ноутбуке, без интернета и с сохранением приватности. EmbeddingGemma - новый лидер среди открытых многоязычных моделей <500M на MTEB 🟢Что внутри: • 308M параметров, но по качеству обгоняет все модели до 500M (по MTEB) • Работает очень быстро: менее 15 мс на EdgeTPU (256 токенов) • Понимает 100+ языков • Размер эмбеддингов можно уменьшать (768 → 128) без потери качества • Контекст до 2000 токенов • Уже доступна в Sentence-Transformers, LangChain, llama.cpp, transformers.js, Weaviate и др. 🟠Blog: https://developers.googleblog.com/en/introducing-embeddinggemma/ 🟠Models: https://huggingface.co/collections/google/embeddinggemma-68b9ae3a72a82f0562a80dc4 @ai_machinelearning_big_data #AI#Google#Gemma#EmbeddingGemma#ML#DeepLearning#LLM#NLP

⚡ Google представила Gemma 3 270M — свою новую компактную модель Модель 270 млн параметров (170M для эмбеддингов и 100M для трансформер-блоков), но с отличной способностью следовать промтпам прямо «из коробки». 🔹Особенности - 256k токенов - Энергоэффективность: INT4-версия на Pixel 9 Pro расходует всего 0.75% батареи за 25 диалогов. - Доступны предобученные и instruction-tuned чекпойнты. - Поддержка Quantization-Aware Training (QAT) для запуска в INT4 без заметной потери качества. 💼Когда использовать - Массовые, чётко определённые задачи: анализ тональности, извлечение сущностей, обработка текста, комплаенс-проверки. - Минимальные задержки и низкая стоимость инференса — можно запускать прямо на устройстве. - Быстрые эксперименты с fine-tuning. - Полная приватность данных благодаря on-device работе. - Создание «флота» узкоспециализированных моделей. В анонсе приводится пример, как Adaptive ML и SK Telecom дообучили Gemma 3 4B для мультиязычной модерации контента, превзойдя более крупные проприетарные модели. Gemma 3 270M — отличная небольшая модель, быстрая и дешёвая в работе. 🟠Подробности: https://developers.googleblog.com/en/introducing-gemma-3-270m/ 🟠HF: https://huggingface.co/collections/google/gemma-3-release-67c6c6f89c4f76621268bb6d @ai_machinelearning_big_data #news#ai#ml#Gemma#google