Wir bei Google möchten die leistungsstärksten KI-Modelle direkt auf die Android-Geräte in Ihrer Tasche bringen. Heute freuen wir uns, die Veröffentlichung unseres neuesten hochmodernen offenen Modells bekannt zu geben: Gemma 4.
Diese Modelle sind die Grundlage für die nächste Generation von Gemini Nano. Code, den Sie heute für Gemma 4 schreiben, funktioniert also automatisch auf Geräten mit Gemini Nano 4, die im Laufe des Jahres verfügbar sein werden. Mit Gemini Nano 4 profitieren Sie von unseren zusätzlichen Leistungsoptimierungen und können so die effizienteste On-Device-Inferenz im gesamten Android-Ökosystem in der Produktion einsetzen.
Über die AICore-Entwicklervorschau kannst du schon heute Vorabzugriff auf dieses Modell erhalten.
Wählen Sie das Modell „Gemini Nano 4 Fast“ in der Benutzeroberfläche der Entwicklervorschau aus, um die rasante Inferenzgeschwindigkeit in Aktion zu sehen, bevor Sie Code schreiben.
Da Gemma 4 nativ über 140 Sprachen unterstützt, können Sie Ihrem globalen Publikum verbesserte lokalisierte, mehrsprachige Inhalte bieten. Außerdem bietet Gemma 4 eine branchenführende Leistung mit multimodaler Verarbeitung, sodass Ihre Apps Text, Bilder und Audio verstehen und verarbeiten können. Damit Sie die beste Balance zwischen Leistung und Effizienz erhalten, ist Gemma 4 für Android in zwei Größen verfügbar:
- E4B:Für höhere Reasoning-Leistung und komplexe Aufgaben konzipiert.
- E2B:Optimiert für maximale Geschwindigkeit (3-mal schneller als das E4B-Modell!) und geringere Latenz.
Das neue Modell ist bis zu viermal schneller als frühere Versionen und verbraucht bis zu 60% weniger Akku. Ab heute können Sie mit verbesserten Funktionen experimentieren, darunter:
- Logisches Denken: Chain-of-Thought-Befehle und bedingte Anweisungen liefern jetzt voraussichtlich hochwertigere Ergebnisse. Beispiel: „Stelle fest, ob der folgende Kommentar für einen Diskussions-Thread den Community-Richtlinien entspricht. Der Kommentar verstößt gegen die Community-Richtlinien, wenn er einen oder mehrere dieser reason_for_flag enthält: Obszönitäten, abfällige Sprache, Hassrede. Wenn die Rezension die Community-Richtlinien erfüllt, geben Sie {true} zurück. Andernfalls wird {false, reason_for_flag} zurückgegeben.
- Mathematik:Dank verbesserter mathematischer Fähigkeiten kann das Modell Fragen jetzt genauer beantworten. Beispiel: „Wenn ich 26 Gehaltsschecks pro Jahr erhalte, wie viel sollte ich dann von jedem Gehaltsscheck sparen,um im Laufe eines Jahres mein Sparziel von 10.000 € zu erreichen?“
- Zeitverständnis:Das Modell kann jetzt besser mit Zeitangaben umgehen und ist daher genauer bei Anwendungsfällen, die Kalender, Erinnerungen und Wecker betreffen. Beispiel: „Die Veranstaltung findet am 18. August um 18:00 Uhr statt und eine Erinnerung sollte 10 Stunden vor der Veranstaltung gesendet werden. Gib die Uhrzeit und das Datum zurück, zu denen die Erinnerung gesendet werden soll.“
- Bildverständnis: Anwendungsfälle, die OCR (optische Zeichenerkennung) beinhalten, wie das Verständnis von Diagrammen, die visuelle Datenextraktion und die Handschrifterkennung, liefern jetzt genauere Ergebnisse.
Nehmen Sie noch heute an der Entwicklervorschau teil, um diese Modelle herunterzuladen und sofort mit der Entwicklung von Funktionen der nächsten Generation zu beginnen.
Modell testen
Sie können das Modell ohne Code ausprobieren, indem Sie der Anleitung für die Entwicklervorschau folgen. Wenn Sie diese Modelle direkt in Ihren bestehenden Workflow einbinden möchten, ist das ganz einfach. In Android Studio können Sie Ihren Prompt verfeinern und mit der vertrauten ML Kit Prompt API entwickeln. Wir haben eine neue Funktion eingeführt, mit der Sie ein Modell angeben können, um die E2B- (schnell) oder E4B-Varianten (vollständig) für Tests anzusprechen.
// Define the configuration with a specific track and preference val previewFullConfig = generationConfig { modelConfig = ModelConfig { releaseTrack = ModelReleaseTrack.PREVIEW preference = ModelPreference.FULL } } // Initialize the GenerativeModel with the configuration val previewModel = GenerativeModel.getClient(previewFullConfig) // Verify that the specific preview model is available val previewModelStatus = previewModel.checkStatus() if (previewModelStatus == FeatureStatus.AVAILABLE) { // Proceed with inference val response = previewModel.generateContent("If I get 26 paychecks per year, how much I should contribute each paycheck to reach my savings goal of $10k over the course of a year? Return only the amount.") } else { // Handle the case where the preview model is not available // (e.g., print out log statements) }
Was Sie während der Entwicklervorschau erwartet
Diese Entwicklervorschau soll Ihnen einen Vorsprung bei der Optimierung der Prompt-Genauigkeit und der Erkundung neuer Anwendungsfälle für Ihre spezifischen Apps verschaffen.
Während der Vorschauphase werden wir mehrere Updates vornehmen, darunter die Unterstützung von Tool-Aufrufen, strukturierter Ausgabe, Systemprompts und dem Denkmodus in der Prompt API. So können Sie die neuen Funktionen in Gemma 4 einfacher nutzen. Außerdem werden wir die Leistung deutlich optimieren.
Die Vorschaumodelle sind zum Testen auf AICore-fähigen Geräten verfügbar. Diese Modelle werden auf der neuesten Generation von speziellen KI-Beschleunigern von Google, MediaTek und Qualcomm Technologies ausgeführt. Auf anderen Geräten werden die Modelle anfangs auf einer CPU-Implementierung ausgeführt, die nicht repräsentativ für die endgültige Produktionsleistung ist. Wenn Ihr Gerät nicht AICore-fähig ist, können Sie diese Modelle auch über die App AI Edge Gallery testen. Wir werden in Zukunft Unterstützung für weitere Geräte anbieten.
Einstieg
Sind Sie bereit, zu erfahren, was Gemma 4 für Ihre Nutzer tun kann?
- Aktivieren:Melde dich für die AICore-Entwicklervorschau an.
- Herunterladen:Wenn Sie die Funktion aktiviert haben, können Sie den Download der neuesten Gemma 4-Modelle direkt auf Ihr unterstütztes Testgerät starten.
- Entwickeln:Aktualisieren Sie Ihre ML Kit-Implementierung, um die neuen Modelle zu verwenden, und beginnen Sie mit der Entwicklung in Android Studio.
-
ProduktneuigkeitenUm Ihnen die Umstellung Ihrer ML Kit Prompt API-Anwendungsfälle auf die Produktion zu erleichtern, freuen wir uns, die automatische Prompt-Optimierung (Automated Prompt Optimization, APO) für On-Device-Modelle in Vertex AI anzukündigen. Die automatische Prompt-Optimierung ist ein Tool, mit dem Sie automatisch den optimalen Prompt für Ihre Anwendungsfälle finden können.
Chetan Tekur, Chao Zhao, Paul Zhou, Caren Chang • Lesezeit: 3 Minuten -
ProduktneuigkeitenKI macht es einfacher, personalisierte App-Erlebnisse zu schaffen, die Inhalte in das richtige Format für Nutzer umwandeln. Bisher konnten Entwickler Gemini Nano über ML Kit GenAI-APIs einbinden, die auf bestimmte Anwendungsfälle wie Zusammenfassung und Bildbeschreibung zugeschnitten sind.
Caren Chang, Chengji Yan, Penny Li • Lesezeit: 2 Minuten -
ProduktneuigkeitenHeute haben wir euch gezeigt, wie wir unsere Vision „Mehr als nur ein Store“ weiterentwickeln. Vom Tab „Mein Play“, der mittlerweile die persönliche Anlaufstelle für über 250 Millionen monatlich aktive Nutzer ist, bis hin zu unserer einheitlichen Gaming-Plattform, die über 700 Millionen Spielerprofile verbindet – Google Play ist immer da, wo die Nutzer sind.
Paul Feng • Lesezeit: 3 Minuten
Lassen Sie sich Woche für Woche die neuesten Informationen zur Android-Entwicklung zusenden.