Google mobil cihazlara yönelik yapay zeka modeli Gemma 3n’i piyasaya sürdü

Google, açık yapay zeka modellerinin yeni nesli olan Gemma 3n’i duyurdu ve bu model, daha önce gördüklerimize kıyasla önemli bir gelişme anlamına geliyor. Geçtiğimiz ay Google I/O’da bir ön gösterimi yapılan modelin tam sürümü artık burada ve doğrudan donanımınızda çalışmaya hazır.

Bilmeyenler için, Gemma bir açık yapay zeka modeli ailesidir. Gemini’den farkı, geliştiricilerin indirip değiştirebileceği şekilde tasarlanmış olmasıdır; Gemini ise Google’ın kapalı, tescilli yapay zeka motorudur.

Bu model artık doğal olarak görüntü, ses ve video gibi girdileri işleyerek metin oluşturabiliyor; bu, yalnızca metin tabanlı bir model olmaktan önemli bir sıçrama anlamına geliyor. Ayrıca sadece 2GB bellekle çalışan donanımlarda da çalışabiliyor ve kodlama ile mantık yürütme gibi görevlerde daha başarılı olduğu söyleniyor. İşte Google tarafından belirtilen tüm geliştirmelerin tam listesi:

Tasarım itibarıyla çok modlu: Gemma 3n, görüntü, ses, video ve metin girişleri ile metin çıktısını doğal olarak destekliyor.

Cihaz üzerinde çalışmaya optimize edilmiş: Verimlilik odaklı olarak tasarlanan Gemma 3n modelleri, etkin parametre sayısına göre iki boyutta sunuluyor: E2B ve E4B. Ham parametre sayıları sırasıyla 5 milyar ve 8 milyar olsa da, mimari yenilikler sayesinde bellek ayak izleri geleneksel 2B ve 4B modellere benzer şekilde yalnızca 2GB (E2B) ve 3GB (E4B) ile çalışabiliyor.

Çığır açan mimari: Gemma 3n’in merkezinde, esnek hesaplama için MatFormer mimarisi, bellek verimliliği için Katman Başına Gömmeler (PLE) ve cihaz üzerinde kullanım için optimize edilmiş yeni ses ve MobileNet-v5 tabanlı görsel kodlayıcılar gibi yeni bileşenler yer alıyor.

Geliştirilmiş kalite: Gemma 3n, çok dillilik (140 dilde metin ve 35 dilde çok modlu anlayış), matematik, kodlama ve mantık yürütme gibi alanlarda kalite artışı sağlıyor.

Verimliliğinin merkezinde, Google’ın MatFormer adını verdiği yeni bir mimari bulunuyor. Google bunu bir Rus matruşka bebeğine benzetiyor: Daha büyük bir model, içinde tamamen işlevsel daha küçük bir versiyon barındırıyor.

Bu da tek bir modelin farklı görevler için farklı boyutlarda çalışabilmesine olanak tanıyor. Ölçütlere bakıldığında, daha büyük model olan E4B, 10 milyar parametrenin altındaki modeller arasında ilk kez 1300 LMArena puanını aşan model oldu.

Modelin ses yetenekleri artık cihaz üzerinde konuşmadan metne ve çeviriye destek sağlıyor, sesi ayrıntılı şekilde işleyebilen bir kodlayıcı kullanıyor. Görüntü tarafı ise selefinden çok daha hızlı ve verimli olan yeni MobileNet-V5 kodlayıcısıyla çalışıyor. Bu kodlayıcı, bir Google Pixel cihazında saniyede 60 kareye kadar video işleyebiliyor.

İlgilenenler için, modeller Hugging Face ve Kaggle gibi tanıdık platformlar üzerinden kullanılabilir durumda ve hatta doğrudan Google AI Studio’da denemeye başlanabilir.