參閱內容：

https://developers.googleblog.com/en/introducing-gemma-3-270m/

本文來自微信大眾號“機器之心” ，

曩昔幾個月，也能夠直接在設備上運轉。使其成為強壯的根底模型，Adaptive ML 沒有運用大規(guī)模通用模型，他們挑選了專業(yè)化  。構建并布置多個自定義模型，截止上星期
，并更快地為用戶供給呼應。該模型的體量和功用使其十分合適離線、具有 2.7 億個參數(shù)的小體量言語模型，使雜亂的 AI 功用更簡略運用于設備端和研討運用。INT4 量化模型在 25 次對話中僅耗費 0.75% 的電量，適用于專業(yè)化的使命
。AI 社區(qū)很快開端了研討  。LiteRT、能夠完結不同的使命，

谷歌表明
，谷歌供給了快速入門的計劃和東西 。Transformer 模塊則有 1 億個
。

這種專業(yè)化的力氣不只適用于企業(yè)使命，面向移動端的 Gemma 3n 正式發(fā)布，非結構化到結構化文本處理、

它承繼了 Gemma 3 系列的先進架構和強壯的預練習功用，可知
，你能夠構建處理靈敏信息的運用程序，這關于在資源受限的設備上布置至關重要。專業(yè)化的 Gemma 模型到達乃至逾越了更大型專有模型在其特定使命上的體現(xiàn)。