Gemma 2
Google发布的开放权重语言模型系列，9B参数版本可在消费级GPU或通过Ollama、vLLM等推理框架运行，适合结构化输出任务。
核心事实
时间轴 (近 90 天)
PriceCraft AI 使用 Google 的开源权重模型 gemma-2-9b-it 生成listing文案，包括80字符eBay标题、Etsy标题、要点列表、Markdown描述、标签和社交钩子，输出为JSON。
Gemma 2 是 Google 发布的开源权重模型系列，gemma-2-9b-it 是其中90亿参数的指令微调版本。
HustleRadar 的技术栈包括 React 18 + TypeScript + Vite + Tailwind 前端、Node/Express API、SerpApi 搜索接地、确定性的 INR 解析与产品护栏、Gemma 2（经由 Ollama 或可配置的开放模型端点）以及 Render Blueprint 部署。
HustleRadar 发给 Gemma 的 prompt 包含归一化产品名、判定结论、置信度、申报价格、市场中位数、最低可比报价和算好的套利结果，并明确禁止模型幻觉出价格或零售商。
HustleRadar 设置 ENABLE_LLM=false 即可完全绕过 Gemma 模型，系统会用同一份结构化证据生成确定性解释。
HustleRadar 同时接入了 SerpApi 的实时零售数据和 Google Gemma 2 的语言解释能力，模型只负责解释，不负责生成数字。
CatalogPulse采用三层处理管线：第一层使用Cheerio进行确定性DOM解析，第二层调用SerpApi获取Google Shopping市场信号，第三层基于Google Gemma 2（gemma-2-9b-it）开放权重模型输出结构化JSON。
GrassToucher 的 AI 模型管线设计上可运行 Google Gemma 2 这类开源权重模型，并能通过 Ollama 或 Transformers.js 适配本地执行
Gemma 2 的模型权重完整公开，开发者可以下载到本地设备运行，无需通过 API 向 Google 服务器发送请求，这是与 GPT-4 等闭源模型的核心区别
VerdantPulse 已部署上线于 verdant-pulse.vercel.app，技术栈包括 HTML5、原生 CSS3、JavaScript ES6+、Web Audio API、Python FastAPI，并叠加 Gemma 2 与 TabPFN
还有 9 条时间轴事件
全部知识事实 (19)
Gemma 2B是Google发布的开源小型语言模型，参数量20亿，适合在消费级硬件上运行微调
65%待验证Gemma 2 是 Google 发布的开源权重模型系列，gemma-2-9b-it 是其中90亿参数的指令微调版本。
50%待验证PriceCraft AI 使用 Google 的开源权重模型 gemma-2-9b-it 生成listing文案，包括80字符eBay标题、Etsy标题、要点列表、Markdown描述、标签和社交钩子，输出为JSON。
50%待验证HustleRadar 设置 ENABLE_LLM=false 即可完全绕过 Gemma 模型，系统会用同一份结构化证据生成确定性解释。
50%待验证HustleRadar 发给 Gemma 的 prompt 包含归一化产品名、判定结论、置信度、申报价格、市场中位数、最低可比报价和算好的套利结果，并明确禁止模型幻觉出价格或零售商。
50%待验证HustleRadar 同时接入了 SerpApi 的实时零售数据和 Google Gemma 2 的语言解释能力，模型只负责解释，不负责生成数字。
50%待验证HustleRadar 的技术栈包括 React 18 + TypeScript + Vite + Tailwind 前端、Node/Express API、SerpApi 搜索接地、确定性的 INR 解析与产品护栏、Gemma 2（经由 Ollama 或可配置的开放模型端点）以及 Render Blueprint 部署。
50%待验证CatalogPulse采用三层处理管线：第一层使用Cheerio进行确定性DOM解析，第二层调用SerpApi获取Google Shopping市场信号，第三层基于Google Gemma 2（gemma-2-9b-it）开放权重模型输出结构化JSON。
50%待验证Gemma 2 的模型权重完整公开，开发者可以下载到本地设备运行，无需通过 API 向 Google 服务器发送请求，这是与 GPT-4 等闭源模型的核心区别
50%待验证GrassToucher 的 AI 模型管线设计上可运行 Google Gemma 2 这类开源权重模型，并能通过 Ollama 或 Transformers.js 适配本地执行
50%待验证VerdantPulse 使用 Google 开源权重模型 Gemma 2（google/gemma-2-2b-it）将数据合成为不超过 120 字的口袋野外卡片
50%待验证EmbeddingGemma 2 是在 Gemma 2 基础上经过对比学习微调的变体，目标是让查询与正确选项的向量距离尽可能近，与错误选项尽可能远
50%待验证闭源 API 无法在手机上运行，而 Llama 3.2 或 Gemma 2 等开源模型可以在手机上作为小型本地模型运行
50%待验证EmbeddingGemma2基于Gemma 2语言模型架构，经过多模态对比学习训练
50%待验证Meta的Llama 3、阿里的Qwen2.5、幻方科技的DeepSeek-V3/R1、Mistral AI的Mistral/Mixtral以及Google的Gemma 2均在Hugging Face平台托管
50%待验证Gemma 2采用的是注意力logit软封顶（soft-capping），而非QK-Norm
50%待验证模型蒸馏的核心思想由Geoffrey Hinton等人于2015年提出，Google的Gemma 2大量使用蒸馏技术来提升小模型性能
50%待验证Gemma 2 包含 2B、9B、27B 参数版本，采用旋转位置编码（RoPE）、GeGLU 激活函数、RMSNorm 归一化等设计
50%待验证VerdantPulse 已部署上线于 verdant-pulse.vercel.app，技术栈包括 HTML5、原生 CSS3、JavaScript ES6+、Web Audio API、Python FastAPI，并叠加 Gemma 2 与 TabPFN
50%