待验证50% 置信事实精确时间
Google DeepMind发布Gemma 4量化感知训练权重，通过定向2Bit压缩技术将12B参数模型的内存占用降至约1GB
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
Cursor设计模式发布与OpenAI Codex更新：AI编程工具最新动态
bilibili_AI风向标_2026/6/6
相关事实
待验证Google DeepMind发布Gemma 4量化感知训练（QAT）CheckPoint，通过定向二比特压缩等技术使Gemma 4 E-to-B模型内存占用压缩至约1GB级别，相关权重已上线Hugging Face81% 相似待验证Google的DeepMind于2016年将强化学习应用于数据中心冷却系统，将冷却能耗降低了40%79% 相似待验证Google DeepMind提出了Nested Learning（嵌套学习）相关方法75% 相似待验证Google DeepMind在多模态模型的GUI理解和交互方面持续投入，包括利用大规模网页截图数据训练模型以及探索Android设备操控能力75% 相似已验证Google DeepMind在开发Gemini时采用了从头开始的多模态训练策略，使其能够直接理解视频中的时序变化和音频中的音调情感等非文本信息72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/53938API
curl https://kongchang.com/api/v1/knowledge/claims/53938MCP
get_claim(id=53938)