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。

　　谷歌曾经Open了哪些AI？

　　纵观 Google 的历史，你能看到很多其为 AI 开放开源所做的贡献。

　　Transformers

　　在“谷歌大脑”于2017年的一篇论文中最先提出（Attention Is All You Need），很快成为自然语言处理和电脑视觉领域的主流方案，目前我们谈论的这些“生成式AI大模型”，几乎都是以Transformers为基础的。如那篇论文题目，Transformers的核心机制叫做“自注意力”，简单粗暴的理解，就是让AI获得了分辨数据优先级的能力，从看什么都兴奋语无伦次的“多动症”，变成了“正常人”。

　　Transformer的开放使用，塑造了我们这个AI时代。

　　

　　

不是这个Transformer哦丨Giphy

　　TensorFlow

　　TensorFlow 是一个开源机器学习平台，同样由“谷歌大脑”团队开发，于2015年首次发布，继而迅速成为各类“含 AI 应用”开发者们最常用的创作平台。谷歌在2016年还专门为 TensorFlow 开发了一款“人工智能加速处理器”，TPU——目前也和大家熟悉的GPU一样，被用于各种AI大模型的训练。

　　JAX

　　JAX 是谷歌开发并开放的一种 Python 机器学习框架，开发者常拿来与 TensorFlow 一起配合使用，甚至有人曾预言它将取代 TensorFlow。

　　AlphaFold

　　这是一个用来预测蛋白质结构的工具，也属于一种深度学习系统。最早由谷歌在2018年发布，并在2020年更新了第二代版本。“蛋白质结构预测”是生物学和医学中最重要的命题之一，在这个领域的权威会议CASP中，2016年前各类传统方式预测得分最高只有40/100，而AlphaFold在2020年取得了92.4/100的成绩。在新冠疫情期间，AlphaFold还对新冠病毒蛋白质结构的研究起到了重要作用。

　　而今天 Google 推出 Gemma，再一次掀起构建开源模型的浪潮，抢先了 Llama 3。接下来，就看 Meta 将会如何接招了。