Google的Gemma 3僅使用一個GPU實現了DeepSeek準確性的98%
人工智慧經濟最近成為焦點,特別是新創公司DeepSeek AI展示GPU晶片的大規模經濟效益。但Google不甘示弱。週三,這家科技巨頭推出最新開源大型語言模型Gemma 3,準確度幾乎與DeepSeek的R1模型匹敵,但使用的運算能力顯著較少。
Google使用"Elo"分數衡量性能,這是國際象棋和運動中常用的排名系統。Gemma 3得分1338,略低於R1的1363,意味R1技術上優於Gemma 3。然而,Google估計達到R1分數需32個Nvidia H100 GPU晶片,而Gemma 3僅需一個H100 GPU。Google稱這種運算與Elo分數的平衡為"最佳點"。
在部落格文章中,Google形容Gemma 3為"單一GPU或TPU上能運行的最強模型",指的是其自家AI晶片"張量處理單元"。公司宣稱Gemma 3"以其規模提供頂尖性能",在LMArena排行榜的人類偏好評估中超越Llama-405B、DeepSeek-V3和o3-mini等模型。此性能使在單一GPU或TPU主機上創造引人入勝的用戶體驗更為容易。
Google
Google的模型在Elo分數上也超越Meta的Llama 3,Google估計後者需16個GPU。值得注意的是,這些競爭模型的數據是Google的估計;DeepSeek AI僅透露R1使用1,814個效能較低的Nvidia H800 GPU。
更多深入資訊可在HuggingFace的開發者部落格文章中找到,Gemma 3儲存庫亦在那裡提供。Gemma 3設計用於設備端而非數據中心,與R1及其他開源模型相比,參數量顯著較少。Gemma 3的參數從10億到270億,相對現今標準頗為適中,而R1擁有6710億參數,雖可選擇性使用370億。
Gemma 3效率的關鍵是廣泛使用的AI技術"蒸餾",將較大模型的訓練權重轉移到較小模型,提升其能力。此外,蒸餾模型經過三項品質控制措施:人類反饋強化學習(RLHF)、機器反饋強化學習(RLMF)和執行反饋強化學習(RLEF)。這些有助於優化模型輸出,使其更實用並提升數學與程式設計能力。
Google的開發者部落格詳細介紹這些方法,另一篇文章討論針對最小10億參數模型的優化技術,適用於行動裝置,包括量化、更新鍵值快取佈局、改善變數載入時間和GPU權重共享。
Google不僅以Elo分數比較Gemma 3,還與其前身Gemma 2及閉源Gemini模型在LiveCodeBench等基準上進行比較。雖然Gemma 3在準確度上通常不如Gemini 1.5和Gemini 2.0,Google指出其"與閉源Gemini模型相比具競爭力",儘管參數較少。
Google
Gemma 3相較Gemma 2的重大升級是其更長的"上下文視窗",從8,000擴展到128,000個令牌,使模型能處理整篇論文或書籍等大型文本。Gemma 3還具備多模態功能,可處理文本與圖像輸入,不同於其前身。此外,它支援超過140種語言,相較Gemma 2僅限英語的能力有顯著提升。
除了這些主要功能,Gemma 3還有其他有趣面向。大型語言模型的一個問題是可能記憶訓練數據部分,可能導致隱私洩露。Google的研究人員測試Gemma 3,發現其記憶長篇文本的比率低於前身,顯示隱私保護有所改善。
對技術細節有興趣者,Gemma 3技術論文提供了模型能力和開發的詳細分解。
相關文章
Slackbot 成為 AI 智慧體
Slackbot,嵌入在Salesforce企業訊息平臺Slack中的自動化助手,正在演變為一個AI智慧體。Salesforce技術長Parker Harris設想它將達到與OpenAI的ChatGPT相媲美的病毒式傳播地位。這家雲軟體巨頭於週二推出了更新版的Slackbot。該新版AI驅動版本面向Business+和Enterprise+客戶,可直接在Slack內查詢資訊、起草電子郵件和安排會議。在獲得適當許可權的情況下,它還能與Microsoft Teams和Google Drive等企
位元組跳動加大核心AI激勵,豆包增長14.6%
位元組跳動近日召開豆包股權說明會,公佈面向豆包部門員工的最新激勵政策。豆包股票的行權價已從2026年6月的14.85美元上調至17.02美元,漲幅約為14.6%。此次調整不僅提升了豆包股票的估值,還大幅擴大了其覆蓋範圍。根據員工崗位的不同,部分員工可能獲得相當於其總薪酬約5%的豆包股票。根據新的兌換機制,位元組跳動允許員工在整體薪酬包中,將部分現金工資兌換為豆包股權。兌換比例因職級而異,設有20%和30%等不同檔位。例如,L2和L3級員工可選擇20%的全覆蓋兌換比例,而L3和L4級員工的該比例可
MiniMax 推出 10 倍團隊計劃,以激勵全球 AI 專家
MiniMax(稀宇科技)通用人工智慧實驗室正式推出“10x Team”,這是一項全球人才協作計劃。該計劃旨在招募跨行業的頂尖專家,探索大模型在垂直領域的深度應用。透過將深厚的行業知識與前沿人工智慧技術相結合,MiniMax 致力於將大模型的生產力從通用場景拓展至專業場景,最終推動行業效率實現“十倍增長”。驗證行業認知價值,開放多模態核心資源過去與行業專家的合作表明,深厚的專業洞察對於構建高質量、實用的行業專屬大模型至關重要。在此基礎上,“10x Team”計劃將向合作伙伴開放包括多模態模型
相關專題推薦
評論 (12)
0/500
¡Estas mejoras en eficiencia son una locura! 🔥 Si Google logra casi el mismo rendimiento con solo una GPU, ¿esto cambiará por completo el acceso a la IA para pequeños desarrolladores? Aun así, me pregunto cómo manejarán temas como el consumo energético real en uso masivo... 😅
Google's Gemma 3 sounds like a game-changer! 98% of DeepSeek's accuracy with just one GPU? That's some serious efficiency. Curious how this'll shake up the AI startup scene. 🚀
Google's Gemma 3 sounds like a game-changer! 98% of DeepSeek's accuracy with just one GPU? That's some serious efficiency. Curious how this stacks up in real-world apps! 😎
Google's Gemma 3 sounds like a game-changer! Achieving 98% of DeepSeek's accuracy with just one GPU is wild. Makes me wonder how this’ll shake up the AI race—more power to the little guys? 🤔
人工智慧經濟最近成為焦點,特別是新創公司DeepSeek AI展示GPU晶片的大規模經濟效益。但Google不甘示弱。週三,這家科技巨頭推出最新開源大型語言模型Gemma 3,準確度幾乎與DeepSeek的R1模型匹敵,但使用的運算能力顯著較少。
Google使用"Elo"分數衡量性能,這是國際象棋和運動中常用的排名系統。Gemma 3得分1338,略低於R1的1363,意味R1技術上優於Gemma 3。然而,Google估計達到R1分數需32個Nvidia H100 GPU晶片,而Gemma 3僅需一個H100 GPU。Google稱這種運算與Elo分數的平衡為"最佳點"。
在部落格文章中,Google形容Gemma 3為"單一GPU或TPU上能運行的最強模型",指的是其自家AI晶片"張量處理單元"。公司宣稱Gemma 3"以其規模提供頂尖性能",在LMArena排行榜的人類偏好評估中超越Llama-405B、DeepSeek-V3和o3-mini等模型。此性能使在單一GPU或TPU主機上創造引人入勝的用戶體驗更為容易。
Google
Google的模型在Elo分數上也超越Meta的Llama 3,Google估計後者需16個GPU。值得注意的是,這些競爭模型的數據是Google的估計;DeepSeek AI僅透露R1使用1,814個效能較低的Nvidia H800 GPU。
更多深入資訊可在HuggingFace的開發者部落格文章中找到,Gemma 3儲存庫亦在那裡提供。Gemma 3設計用於設備端而非數據中心,與R1及其他開源模型相比,參數量顯著較少。Gemma 3的參數從10億到270億,相對現今標準頗為適中,而R1擁有6710億參數,雖可選擇性使用370億。
Gemma 3效率的關鍵是廣泛使用的AI技術"蒸餾",將較大模型的訓練權重轉移到較小模型,提升其能力。此外,蒸餾模型經過三項品質控制措施:人類反饋強化學習(RLHF)、機器反饋強化學習(RLMF)和執行反饋強化學習(RLEF)。這些有助於優化模型輸出,使其更實用並提升數學與程式設計能力。
Google的開發者部落格詳細介紹這些方法,另一篇文章討論針對最小10億參數模型的優化技術,適用於行動裝置,包括量化、更新鍵值快取佈局、改善變數載入時間和GPU權重共享。
Google不僅以Elo分數比較Gemma 3,還與其前身Gemma 2及閉源Gemini模型在LiveCodeBench等基準上進行比較。雖然Gemma 3在準確度上通常不如Gemini 1.5和Gemini 2.0,Google指出其"與閉源Gemini模型相比具競爭力",儘管參數較少。
Google
Gemma 3相較Gemma 2的重大升級是其更長的"上下文視窗",從8,000擴展到128,000個令牌,使模型能處理整篇論文或書籍等大型文本。Gemma 3還具備多模態功能,可處理文本與圖像輸入,不同於其前身。此外,它支援超過140種語言,相較Gemma 2僅限英語的能力有顯著提升。
除了這些主要功能,Gemma 3還有其他有趣面向。大型語言模型的一個問題是可能記憶訓練數據部分,可能導致隱私洩露。Google的研究人員測試Gemma 3,發現其記憶長篇文本的比率低於前身,顯示隱私保護有所改善。
對技術細節有興趣者,Gemma 3技術論文提供了模型能力和開發的詳細分解。
Slackbot 成為 AI 智慧體
Slackbot,嵌入在Salesforce企業訊息平臺Slack中的自動化助手,正在演變為一個AI智慧體。Salesforce技術長Parker Harris設想它將達到與OpenAI的ChatGPT相媲美的病毒式傳播地位。這家雲軟體巨頭於週二推出了更新版的Slackbot。該新版AI驅動版本面向Business+和Enterprise+客戶,可直接在Slack內查詢資訊、起草電子郵件和安排會議。在獲得適當許可權的情況下,它還能與Microsoft Teams和Google Drive等企
位元組跳動加大核心AI激勵,豆包增長14.6%
位元組跳動近日召開豆包股權說明會,公佈面向豆包部門員工的最新激勵政策。豆包股票的行權價已從2026年6月的14.85美元上調至17.02美元,漲幅約為14.6%。此次調整不僅提升了豆包股票的估值,還大幅擴大了其覆蓋範圍。根據員工崗位的不同,部分員工可能獲得相當於其總薪酬約5%的豆包股票。根據新的兌換機制,位元組跳動允許員工在整體薪酬包中,將部分現金工資兌換為豆包股權。兌換比例因職級而異,設有20%和30%等不同檔位。例如,L2和L3級員工可選擇20%的全覆蓋兌換比例,而L3和L4級員工的該比例可
MiniMax 推出 10 倍團隊計劃,以激勵全球 AI 專家
MiniMax(稀宇科技)通用人工智慧實驗室正式推出“10x Team”,這是一項全球人才協作計劃。該計劃旨在招募跨行業的頂尖專家,探索大模型在垂直領域的深度應用。透過將深厚的行業知識與前沿人工智慧技術相結合,MiniMax 致力於將大模型的生產力從通用場景拓展至專業場景,最終推動行業效率實現“十倍增長”。驗證行業認知價值,開放多模態核心資源過去與行業專家的合作表明,深厚的專業洞察對於構建高質量、實用的行業專屬大模型至關重要。在此基礎上,“10x Team”計劃將向合作伙伴開放包括多模態模型
¡Estas mejoras en eficiencia son una locura! 🔥 Si Google logra casi el mismo rendimiento con solo una GPU, ¿esto cambiará por completo el acceso a la IA para pequeños desarrolladores? Aun así, me pregunto cómo manejarán temas como el consumo energético real en uso masivo... 😅
Google's Gemma 3 sounds like a game-changer! 98% of DeepSeek's accuracy with just one GPU? That's some serious efficiency. Curious how this'll shake up the AI startup scene. 🚀
Google's Gemma 3 sounds like a game-changer! 98% of DeepSeek's accuracy with just one GPU? That's some serious efficiency. Curious how this stacks up in real-world apps! 😎
Google's Gemma 3 sounds like a game-changer! Achieving 98% of DeepSeek's accuracy with just one GPU is wild. Makes me wonder how this’ll shake up the AI race—more power to the little guys? 🤔





首頁






