Google выпустила открытую модель Gemma 4, которая обрабатывает текст, изображения и аудио полностью на устройстве. Модель может обращаться к инструментам вроде Wikipedia и интерактивных карт без запуска в облаке.
Для работы Gemma 4 нужен бесплатный мобильный клиент Google AI Edge Gallery для Android и iOS. После выхода модели приложение поднялось на четвёртое место в списке самых скачиваемых бесплатных приложений категории Productivity в iOS App Store, уступая только Claude, Gemini и ChatGPT.
Gemma 4 основана на тех же исследованиях, что и закрытая модель Google Gemini 3, но распространяется по лицензии Apache 2.0. По данным Google, семейство Gemma с момента запуска первого поколения набрало более 400 млн загрузок. Все модели работают с текстом, изображениями и аудио более чем на 140 языках.
Новая линейка включает четыре версии. Варианты E2B и E4B созданы для смартфонов. Буква E означает effective parameters — число параметров, которые реально активны во время инференса.
- E2B в квантизованном виде занимает около 1,3 ГБ
- E4B требует примерно 2,5 ГБ
- 26B и 31B рассчитаны на серверы и производительное оборудование
Версия 26B использует архитектуру mixture-of-experts со 128 экспертами, при этом в каждый момент времени активны только 3,8 млрд параметров. Плотная модель 31B поддерживает окно контекста до 256 000 токенов.
Google также работала вместе с Arm и Qualcomm над оптимизацией мобильных версий под актуальные чипы. По данным Google, Gemma 4 на Android работает до четырёх раз быстрее предыдущего поколения и снижает расход батареи до 60%.
Собственные тесты Arm показывают ещё больший прирост: в среднем до 5,5 раза по скорости обработки. Такой результат возможен на устройствах с новыми чипами Arm и набором инструкций SME2, который ускоряет матричные вычисления для ИИ прямо на уровне железа.
Приложению нужны Android 12 или iOS 17. Для E2B достаточно устройства с 6 ГБ оперативной памяти, а E4B требует как минимум 8 ГБ ОЗУ.
Кроме чата, распознавания изображений и расшифровки аудио, приложение получило набор агентных функций. В него входят поиск по Wikipedia, интерактивные карты, автоматически созданные сводки и карточки для запоминания.
Gemma 4 также может описывать фотографии, превращать голосовой ввод в диаграммы и визуализации, а ещё работать вместе с другими локальными моделями для синтеза речи или генерации изображений. Google показывает это на примере демо-функции, которая описывает и воспроизводит звуки животных.
По данным Google, заметно улучшилось и распознавание текста на изображениях. OCR-задачи, включая извлечение текста из картинок, схем и рукописных записей, теперь дают более точный результат. Модель также лучше работает с данными о времени, что важно для календарей, напоминаний и будильников.
Отдельно эти функции уже есть у облачных сервисов. Главное отличие в том, что локальная модель на смартфоне теперь может сама использовать такие инструменты. Разработчики могут создавать собственные функции через GitHub и делиться ими с сообществом. Встроенным инструментам нужен интернет, но сама модель работает локально, а переписка не сохраняется.
По словам Google, версии Gemma 4 E2B и E4B стали основой для Gemini Nano 4 — следующего поколения системной локальной модели Android. Код, написанный для Gemma 4, будет работать с Gemini Nano 4 без доработок после выхода новых флагманских устройств позже в этом году.
Google также сообщила, что Gemini Nano уже работает более чем на 140 млн Android-устройств. Модель используется в функциях Smart Replies и аудиосводках.
В декабре компания уже показывала это направление с FunctionGemma — компактной локальной моделью на 270 млн параметров, которая может передавать команды другим приложениям на смартфоне. Она переводит обычный язык в структурированные вызовы функций: например, включает фонарик, создаёт контакты, отправляет письма, добавляет события в календарь, открывает точки на карте или настройки Wi‑Fi.
Стратегическое значение локального ИИ стало особенно заметно после многомиллиардной сделки Apple и Google. С января известно, что следующее поколение Foundation Models у Apple будет построено на технологии Gemini от Google и станет основой крупного обновления Siri в 2025 году.
Источник: The Decoder, Google.
