谷歌正式发布 Gemma 3n 小钢炮模型：2GB 内存本地玩转 AI 多模态

6月27日消息，科技媒体NeoWin今天（6月27日）发布博文，报道称在2025年I/O开发者大会上预览发布后，谷歌已正式推出Gemma3n端侧多模态模型，支持在手机、平板和笔记本电脑上本地运行，处理音频、文本、图片和视频多种数据类型。相比较5月发布的预览版，最新发布的Gemma3n完整版进一步提升性能表现，支持在2GB内存的硬件上本地运行，重点提升了编码和推理方面的能力。援引博文介绍，Gemma3n共有两种规模版本，其中E2B共有50亿（5B）参数，支持在2GB以上内存设备上运行；E4B共有80亿（8B）参数，支持在3GB以上内存设备上运行，两者通过架构创新，内存占用相当于20亿（2B）和40亿（4B）模型。在架构方面，Gemma3n创新采用MatFormer架构，来提供计算灵活性，此外使用PerLayerEmbeddings（PLE）以提升内存效率、MobileNet-v5视觉编码器等等。对于MatFormer架构，谷歌用一个俄罗斯套娃的比喻来描述：一个较大模型内部包含一个较小但完全功能的版本，让单一模型能够根据不同任务以不同大小运行。Gemma3n在多语言（支持140种语言的文本和35种语言的多模态理解）、数学、编码和推理方面都实现了质量提升。
在性能基准方面，较大的E4B模型是首个参数量低于10B但LMArena得分超过1300的模型。模型的音频能力现在支持设备上的语音转文本和翻译，使用一个能够处理细致语音的编码器。视觉方面则由一个名为MobileNet-V5的新编码器提供动力，比前代更快、更高效。它能在GooglePixel设备上以最高60FPS处理视频。