太热闹了。Google发布Gemini1.5的时候，被 OpenAI 的 Sora 截胡抢了风头。这些天，铺天盖地都是“Sora又让人类完了”的新闻。
昨夜，“悄悄地”，Google发布了自己的开源大模型——一款能跑在你笔记本电脑上的大模型。
最强的开源模型！
Google 开放了与 Gemini 模型“同源”的轻量级模型——Gemma（取拉丁文“宝石”之意）。Gemma 模型包括两种权重规模，“Gemma 2B”和“Gemma 7B”，分别对应 20 亿参数和 70 亿参数版本。
“宝石”开源模型丨Google
对于 Gemma 的技术细节深挖和测试之后，大家的“兴奋点”主要在，Gemma 的性能表现和对于开发者的友好和易用性。
首先，与参数规模相当的模型进行比较，在涵盖语言理解，推理，数学，编程的8项基准测试中，Gemma（7B）超过了LLaMA 2（7B）、LLaMA 2（13B）和Mistral（7B）（除了在语言理解上弱于LLaMA 2（13B））。
每种规模模型都有预训练和指令微调变体。Google十分强调 Gemma 开源模型的安全性。
Google 进行了大量的微调和人类反馈强化学习（RLHF），降低模型带来的风险，经过指令微调的Gemma-2B IT和 Gemma-7B IT模型，在人类偏好评估中都超过了Mistal-7B v0.2模型。特别是Gemma-7B IT模型，它在理解和执行具体指令方面，表现得更加出色。——与Google负责任的AI目标对齐。
官方给出的数据对比丨Google
深度学习框架 Keras 的作者 François Chollet 对此称，“最强开源模型易主。”
其次，方便易用。
用户能通过 Colab 和 Kaggle notebooks（可以理解为一个在线notebook，用于运行代码），以及与Hugging Face、MaxText、NVIDIA NeMo和TensorRT-LLM 等流行工具集成。
上线Hugging Face的Gemma丨Hugging Face
Gemma 可以被轻松部署在资源有限的环境中，比如笔记本电脑，台式机，Google Cloud，Vertex AI（训练和部署模型和应用的ML平台）和 Google Kubernetes Engine（托管环境，在里部署、管理和扩缩容器化应用），以满足开发者不同需求。
尤其是今天很多端侧设备，比如手机、车机、电脑等，都在进行“AI转型”，灵活、运行成本低的轻量级模型，有了更明确的商业前景。
大模型怎么还分“开”和“闭”
这一轮生成式 AI 浪潮是由 ChatGPT 掀起的，毫无置疑，对大模型的普及和加速，OpenAI 所起到的贡献也是最大的。“但****是名为Open，却正变得越来越封闭”，一些声音说。
Meta、Mistral 因为开源，赢得不少赞誉。开源，是一种“众人拾柴火焰高”的策略，一个开放的生态系统，能吸引开发者加入，他们的生产力“反哺”到模型本身。
在开放和垄断的问题上，龙与屠龙者的身份不断交换丨Giphy
对于 Meta 开源LLaMA 2，Yann LeCun（杨立昆）说，“这将改变大模型市场的格局。”
美国斯坦福大学基金会模型研究中心主任 Percy Liang 说，“对于许多应用场景来说，你不需要 GPT-4，相较于一个庞大、复杂的专有模型，一个更可定制、更透明的模型——比如 Llama 2，可能会帮助公司更快地创造产品和服务。”
Mistral 想法与之类似。小模型能将 Agents 运行的计算成本降低，有机会构建更多有意思的应用。
Gemma（7B）用到6万亿Token，效果和Mistral 7B 差不多，之前大家也猜测 Mistral 7B使用了7万亿Token。Gemma再次证明，数据质量足够好（比如Google说Gemma数据集以数学，代码数据为主），小模型的能力仍然能够持续提升。
Hugging Face是目前最著名的开源模型基地丨Giphy
Mistral AI CEO Arthur Mensch 说，“开源让模型受到公众监督，更加安全。”分歧的声音说，闭源优势在于可控性，和知识产权保护。闭源模型相对成熟，数据质量更有保障。拼模型规模上，开源相对闭源处于劣势，大模型对于资源的消耗，是少有公司能承担的。产生路线的分歧，来自各自的商业逻辑。
Google 开源 Gemma，无论步子大小，是主动出击，还是防御战略，至少为开发者提供了更多选择，对大模型的开源生态注入一股新鲜活力。
来自果壳-沈知涵
版权归原作者 LinkSLA 所有， 如有侵权，请联系我们删除。