模型介绍
中文整理Gemma 4 模型卡片
概述
Gemma 是由 Google DeepMind 开发的开源模型系列。Gemma 4 是多模态模型，支持文本和图像输入（E2B、E4B 和 12B 版本额外支持音频），输出文本内容。该系列提供预训练版本和指令微调版本两种形式。Gemma 4 支持最高 256K token 的上下文窗口，涵盖 140 多种语言的多语言支持。
模型系列包含五种规格：E2B、E4B、12B、26B A4B 和 31B。采用 Dense 和混合专家（MoE）两种架构，适用于文本生成、编程和推理任务。
主要能力
推理能力：全系列模型均具备可配置思考模式的高性能推理能力。
多模态处理：支持文本、图像（所有型号均支持可变宽高比和分辨率）、视频，以及 E2B、E4B、12B 型号原生支持音频。
高效架构：提供不同规模的 Dense 和 MoE 变体，支持灵活部署。
设备端优化：小规模模型专为笔记本电脑和移动设备的高效本地运行而设计。
长上下文：小型模型支持 128K token 上下文，中型模型支持 256K token。
编程与代理能力：编程基准测试表现显著提升，原生支持函数调用，可驱动自主代理工作流。
系统提示词原生支持：支持系统角色，实现更结构化、可控的对话。
输入输出
输入：文本、图像（所有型号）、视频、音频（仅 E2B、E4B、12B）
输出：文本
运行要求
框架：Transformers、PyTorch、Accelerate
部署环境：从高端手机到笔记本电脑和服务器均可部署
基本用法
使用 Transformers 库加载模型并生成输出。可通过设置 enable_thinking=True 启用推理模式。
多语言支持开箱即用，支持 35 种以上语言，预训练数据涵盖 140 多种语言。
限制
训练数据质量与多样性显著影响模型能力。训练数据中的偏差或空白可能导致模型响应存在局限。
训练数据集的范围决定了模型能有效处理的主题领域。
模型在清晰提示和指令的任务上表现较好。开放式或高度复杂的任务可能具有挑战性。
上下文量会影响模型性能，较长上下文通常带来更好的输出，但存在上限。
自然语言本身具有复杂性，模型可能难以理解细微差别、讽刺或比喻性语言。
模型根据训练数据集中的信息生成响应，并非知识库，可能产生不准确信息。
许可证
Apache 2.0
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。