Gemma是Google发布的开源大型语言模型系列，基于与Gemini相同的研究和技术构建。该模型系列提供多种参数规模的版本，适用于文本生成、问答、代码辅助等自然语言处理任务。Gemma以轻量高效为设计目标，支持在消费级硬件上本地部署，开发者可免费获取模型权重并进行微调和二次开发。
缺少独立 GPU 的设备运行 2B 参数模型时生成速度可能低于每秒 5 个 token
Gemma 是 Google DeepMind 于 2024 年发布的开源轻量级语言模型系列，包含 2B 和 7B 两个版本，后续推出了 Gemma 2 系列
Skim Recap 的 Feynman 功能允许用户选中不懂的词并按 Feynman 键，调用 Google 的 Gemma 模型进行解释
作者在Dell Pro Max搭配NVIDIA GB10超级芯片的设备上运行Harness，并加载了1200亿参数的开源模型和Gemma模型
Meta的Llama 3.1提供8B/70B/405B尺寸，Google的Gemma系列提供2B/7B/27B尺寸
Gemma 采用旋转位置编码（RoPE）、GeGLU 激活函数、RMSNorm 归一化等现代 Transformer 设计
Google为Gemma提供了多种量化版本，并通过MediaPipe和TensorFlow Lite等框架支持在Android、iOS、浏览器等环境中运行
Gemma模型已被部署到从本地设备、边缘基础设施甚至太空飞行任务等多种环境
Google宣布其开源大语言模型系列Gemma的累计下载量突破10亿次
Muse Glimmer在MCP Atlas工具调用基准得分75.5，领先Qwen 3.6；智能体搜索任务74.6分；数学推理AIME 94.7分
还有 10 条时间轴事件
DiffusionGemma是将Google Gemma架构与扩散生成范式融合的实验性模型
75%已验证Gemma 4是Google最新发布的多模态开源模型
75%已验证Gemma系列主要包含2B和7B两个参数规模版本，2025年发布的Gemma 3系列进一步扩展至27B并支持多模态输入
65%已验证Ollama支持的模型包括Meta的Llama系列、Google的Gemma、阿里的通义千问等主流开源模型
65%待验证可用于本地部署的模型从轻量级的Phi-3、Gemma到重量级的Llama 3、Qwen2.5都可以根据硬件条件自由切换
90%待验证Gemma系列模型源自Google内部的Gemini大模型技术栈，采用相同的研究成果和训练方法论
60%待验证缺少独立 GPU 的设备运行 2B 参数模型时生成速度可能低于每秒 5 个 token
50%待验证Skim Recap 的 Feynman 功能允许用户选中不懂的词并按 Feynman 键，调用 Google 的 Gemma 模型进行解释
50%待验证Gemma 是 Google DeepMind 于 2024 年发布的开源轻量级语言模型系列，包含 2B 和 7B 两个版本，后续推出了 Gemma 2 系列
50%待验证Meta的Llama 3.1提供8B/70B/405B尺寸，Google的Gemma系列提供2B/7B/27B尺寸
50%待验证Gemma 采用旋转位置编码（RoPE）、GeGLU 激活函数、RMSNorm 归一化等现代 Transformer 设计
50%待验证Google为Gemma提供了多种量化版本，并通过MediaPipe和TensorFlow Lite等框架支持在Android、iOS、浏览器等环境中运行
50%待验证Gemma模型已被部署到从本地设备、边缘基础设施甚至太空飞行任务等多种环境
50%待验证Muse Glimmer在MCP Atlas工具调用基准得分75.5，领先Qwen 3.6；智能体搜索任务74.6分；数学推理AIME 94.7分
50%待验证在CI/CD和容器化部署中，若每次构建从Hub重新下载模型而未正确配置Docker层缓存，会触发完整重复下载，大型组织每天可能产生数万次冗余下载请求
50%待验证当前开源大模型领域形成多极竞争格局，包括Meta的Llama、阿里巴巴的Qwen、Mistral AI和DeepSeek
50%待验证Gemma是Google于2024年发布的轻量级开源语言模型家族，参数规模从2B到7B不等
50%待验证Gemma 2B是Google DeepMind于2024年发布的轻量级开源模型，参数量为20亿
50%待验证作者在Dell Pro Max搭配NVIDIA GB10超级芯片的设备上运行Harness，并加载了1200亿参数的开源模型和Gemma模型
50%待验证Google宣布其开源大语言模型系列Gemma的累计下载量突破10亿次
50%