ಗೂಗಲ್ ಅಧಿಕೃತವಾಗಿ Gemma 3n ಅನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿದೆ, ಇದನ್ನು ಮೇ 2025 ರಲ್ಲಿ ಮೊದಲು ಟೀಸ್ ಮಾಡಲಾಯಿತು. ಈ ಉಡಾವಣೆಯನ್ನು ರೋಮಾಂಚನಕಾರಿಯಾಗಿಸುವುದೇನೆಂದರೆ Gemma 3n ಪೂರ್ಣ ಪ್ರಮಾಣದ ಮಲ್ಟಿಮೋಡಲ್ ಪ್ರೊಸೆಸಿಂಗ್ ಅನ್ನು ನೇರವಾಗಿ ಸ್ಮಾರ್ಟ್‌ಫೋನ್‌ಗಳು ಮತ್ತು ಎಡ್ಜ್ ಸಾಧನಗಳಿಗೆ ತರುತ್ತದೆ, ಎಲ್ಲವೂ ನಿರಂತರ ಇಂಟರ್ನೆಟ್ ಅಥವಾ ಭಾರೀ ಕ್ಲೌಡ್ ಬೆಂಬಲದ ಅಗತ್ಯವಿಲ್ಲದೆ. ಸೀಮಿತ ಮೆಮೊರಿಯಲ್ಲಿ ಚಾಲನೆಯಲ್ಲಿರುವ ಕಡಿಮೆ-ಶಕ್ತಿಯ ಸಾಧನಗಳಿಗೆ ಶಕ್ತಿಯುತ AI ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ತರಲು ಬಯಸುವ ಡೆವಲಪರ್‌ಗಳಿಗೆ ಇದು ಒಂದು ದೊಡ್ಡ ಹೆಜ್ಜೆಯಾಗಿದೆ.
Gemma 3n ನ ಮೂಲತತ್ವವೆಂದರೆ Matryoshka Transformer ನ ಸಂಕ್ಷಿಪ್ತ ರೂಪ MatFormer. ರಷ್ಯಾದ ಗೂಡುಕಟ್ಟುವ ಗೊಂಬೆಗಳನ್ನು ಪರಿಗಣಿಸಿ: ದೊಡ್ಡದಾದವುಗಳ ಒಳಗೆ ಚಿಕ್ಕದಾದ, ಸಂಪೂರ್ಣವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಮಾದರಿಗಳನ್ನು ಸೇರಿಸಲಾಗಿದೆ. ಈ ಬುದ್ಧಿವಂತ ಸೆಟಪ್ ಡೆವಲಪರ್‌ಗಳು ಸಾಧನದ ಸಾಮರ್ಥ್ಯದ ಆಧಾರದ ಮೇಲೆ AI ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಅಳೆಯಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ನೀವು ಎರಡು ಆವೃತ್ತಿಗಳನ್ನು ಪಡೆಯುತ್ತೀರಿ E2B ಕೇವಲ 2GB RAM ನಲ್ಲಿ ಚಲಿಸುತ್ತದೆ ಮತ್ತು E4B ಸುಮಾರು 3GB ಯೊಂದಿಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.
5 ರಿಂದ 8 ಬಿಲಿಯನ್ ಕಚ್ಚಾ ನಿಯತಾಂಕಗಳನ್ನು ಪ್ಯಾಕ್ ಮಾಡಿದರೂ, ಎರಡೂ ಆವೃತ್ತಿಗಳು ಸಂಪನ್ಮೂಲ ಬಳಕೆಗೆ ಬಂದಾಗ ತುಂಬಾ ಚಿಕ್ಕ ಮಾದರಿಗಳಂತೆ ವರ್ತಿಸುತ್ತವೆ. ಪರ್-ಲೇಯರ್ ಎಂಬೆಡಿಂಗ್ಸ್ (PLE) ನಂತಹ ಸ್ಮಾರ್ಟ್ ವಿನ್ಯಾಸ ಆಯ್ಕೆಗಳಿಂದಾಗಿ ಇದು ಸಾಧ್ಯ, ಇದು GPU ನಿಂದ CPU ಗೆ ಕೆಲವು ಲೋಡ್ ಅನ್ನು ವರ್ಗಾಯಿಸುತ್ತದೆ, ಮೆಮೊರಿಯನ್ನು ಉಳಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಇದು KV ಕ್ಯಾಶ್ ಹಂಚಿಕೆಯನ್ನು ಸಹ ಒಳಗೊಂಡಿದೆ, ಇದು ದೀರ್ಘ ಆಡಿಯೋ ಮತ್ತು ವೀಡಿಯೊ ಇನ್‌ಪುಟ್‌ಗಳ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸುಮಾರು 2 ಪಟ್ಟು ವೇಗಗೊಳಿಸುತ್ತದೆ, ಧ್ವನಿ ಸಹಾಯದಂತಹ ನೈಜ-ಸಮಯದ ಬಳಕೆಯ ಸಂದರ್ಭಗಳಿಗೆ ಸೂಕ್ತವಾಗಿದೆ ..
Gemma 3n ಕೇವಲ ಕಡಿಮೆ ಮೆಮೊರಿಯನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ, ಇದು ಗಂಭೀರ ಸಾಮರ್ಥ್ಯಗಳೊಂದಿಗೆ ಜೋಡಿಸಲ್ಪಟ್ಟಿದೆ. ಭಾಷಣ-ಆಧಾರಿತ ವೈಶಿಷ್ಟ್ಯಗಳಿಗಾಗಿ, ಇದು Google ನ ಯೂನಿವರ್ಸಲ್ ಸ್ಪೀಚ್ ಮಾಡೆಲ್‌ನಿಂದ ಅಳವಡಿಸಲಾದ ಆಡಿಯೊ ಎನ್‌ಕೋಡರ್ ಅನ್ನು ಬಳಸುತ್ತದೆ, ಅಂದರೆ ಇದು ನಿಮ್ಮ ಫೋನ್‌ನಲ್ಲಿ ನೇರವಾಗಿ ಭಾಷಣದಿಂದ ಪಠ್ಯಕ್ಕೆ ಮತ್ತು ಭಾಷಾ ಅನುವಾದವನ್ನು ಸಹ ನಿರ್ವಹಿಸಬಹುದು. ಇದು ಈಗಾಗಲೇ ಉತ್ತಮ ಫಲಿತಾಂಶಗಳನ್ನು ತೋರಿಸುತ್ತಿದೆ, ವಿಶೇಷವಾಗಿ ಸ್ಪ್ಯಾನಿಷ್, ಫ್ರೆಂಚ್, ಇಟಾಲಿಯನ್ ಮತ್ತು ಪೋರ್ಚುಗೀಸ್‌ನಂತಹ ಇಂಗ್ಲಿಷ್ ಮತ್ತು ಯುರೋಪಿಯನ್ ಭಾಷೆಗಳ ನಡುವೆ ಅನುವಾದಿಸುವಾಗ.
ದೃಶ್ಯದ ವಿಷಯದಲ್ಲಿ, ಇದು Google ನ ಹೊಸ MobileNet-V5 ನಿಂದ ಚಾಲಿತವಾಗಿದೆ—ಇದು ಹಗುರವಾದ ಆದರೆ ಶಕ್ತಿಯುತವಾದ ದೃಷ್ಟಿ ಎನ್‌ಕೋಡರ್ ಆಗಿದ್ದು, ಪಿಕ್ಸೆಲ್‌ನಂತಹ ಫೋನ್‌ಗಳಲ್ಲಿ 60fps ವರೆಗೆ ವೀಡಿಯೊವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಬಹುದು. ಅಂದರೆ ಸುಗಮ, ನೈಜ-ಸಮಯದ ವೀಡಿಯೊ ವಿಶ್ಲೇಷಣೆ. ಮತ್ತು ಇದು ವೇಗವಾಗಿದೆ ಮಾತ್ರವಲ್ಲ—ಇದು ಹಳೆಯ ಮಾದರಿಗಳಿಗಿಂತ ಹೆಚ್ಚು ನಿಖರವಾಗಿದೆ.
ಗ್ಗಿಂಗ್ ಫೇಸ್ ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್ಸ್, ಒಲ್ಲಾಮಾ, MLX, llama.cpp, ಮತ್ತು ಇತರ ಜನಪ್ರಿಯ ಪರಿಕರಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಡೆವಲಪರ್‌ಗಳು Gemma 3n ಅನ್ನು ಪ್ರವೇಶಿಸಬಹುದು. Google, Gemma 3n ಇಂಪ್ಯಾಕ್ಟ್ ಚಾಲೆಂಜ್ ಅನ್ನು ಸಹ ಪ್ರಾರಂಭಿಸಿದೆ, ಮಾದರಿಯ ಆಫ್‌ಲೈನ್ ಮ್ಯಾಜಿಕ್ ಅನ್ನು ಪ್ರದರ್ಶಿಸುವ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗೆ $150,000 ಬಹುಮಾನ ಪೂಲ್ ಅನ್ನು ನೀಡುತ್ತದೆ.
Gemma 3n ಸಂಪೂರ್ಣವಾಗಿ ಆಫ್‌ಲೈನ್‌ನಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಕ್ಲೌಡ್ ಇಲ್ಲ, ಸಂಪರ್ಕವಿಲ್ಲ ಕೇವಲ ಶುದ್ಧ ಆನ್-ಡಿವೈಸ್ AI. 140 ಕ್ಕೂ ಹೆಚ್ಚು ಭಾಷೆಗಳಿಗೆ ಬೆಂಬಲ ಮತ್ತು 35 ಭಾಷೆಗಳಲ್ಲಿ ವಿಷಯವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯದೊಂದಿಗೆ, ಸಂಪರ್ಕವು ತೇಪೆಯಾಗಿರುವ ಅಥವಾ ಗೌಪ್ಯತೆಯು ಆದ್ಯತೆಯಾಗಿರುವ AI ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಲು ಇದು ಗೇಮ್-ಚೇಂಜರ್ ಆಗಿದೆ.
