Gemma 4 memperkenalkan model multimodal asli dengan arsitektur tanpa encoder yang terpadu

Google memperkenalkan Gemma 4, generasi baru model bahasa berbobot terbuka dan multimodal asli yang dilengkapi dengan arsitektur padat dan Mixture-of-Experts, mulai dari 2,3B hingga 31B parameter.

Suite ini mencakup encoder visi dan audio yang ditingkatkan untuk semua ukuran serta mengusulkan arsitektur tanpa encoder yang terpadu untuk model 12B yang mengolah patch audio mentah dan gambar. Model ini juga mengintegrasikan mode berpikir untuk menghasilkan jejak penalaran sebelum merespons, sambil meningkatkan kecepatan inferensi, memori, efisiensi komputasi, dan kemampuan konteks panjang.

Gemma 4 menciptakan lompatan kinerja di seluruh benchmark STEM, multimodal, dan konteks panjang, menyaingi model terbuka terdepan yang lebih besar dalam tugas-tugas yang dinilai oleh manusia.