ประกาศเปิดตัว Gemma 4 ในเวอร์ชันตัวอย่างสำหรับนักพัฒนาซอฟต์แวร์ของ AICore

ที่ Google เรามุ่งมั่นที่จะนำโมเดล AI ที่มากความสามารถที่สุดมาไว้ในอุปกรณ์ Android ในกระเป๋าของคุณโดยตรง วันนี้เรายินดีที่จะประกาศเปิดตัวโมเดลโอเพนซอร์สที่ล้ำสมัยที่สุดรุ่นล่าสุดของเรา นั่นคือ Gemma 4

โมเดลเหล่านี้เป็นรากฐานของ Gemini Nano รุ่นถัดไป ดังนั้นโค้ดที่คุณเขียนในวันนี้สำหรับ Gemma 4 จะทำงานโดยอัตโนมัติในอุปกรณ์ที่เปิดใช้ Gemini Nano 4 ซึ่งจะพร้อมใช้งานภายในปีนี้ Gemini Nano 4 จะช่วยให้คุณได้รับประโยชน์จากการเพิ่มประสิทธิภาพเพิ่มเติมของเรา เพื่อให้คุณสามารถนำไปใช้ในการผลิตในระบบนิเวศของ Android ด้วยการอนุมานในอุปกรณ์ที่มีประสิทธิภาพสูงสุด

คุณสามารถทดลองใช้โมเดลนี้ได้แล้ววันนี้ผ่านเวอร์ชันตัวอย่างสำหรับนักพัฒนาซอฟต์แวร์ของ AICore

เลือกโมเดล Gemini Nano 4 Fast ใน UI ของเวอร์ชันตัวอย่างสำหรับนักพัฒนาซอฟต์แวร์เพื่อดูความเร็วในการอนุมานที่รวดเร็วอย่างน่าทึ่งก่อนที่จะเขียนโค้ด

เนื่องจาก Gemma 4 รองรับมากกว่า 140 ภาษาโดยกำเนิด คุณจึงคาดหวังได้ว่าจะได้รับประสบการณ์การใช้งานที่แปลแล้วและหลายภาษาที่ดีขึ้นสำหรับผู้ชมทั่วโลก นอกจากนี้ Gemma 4 ยังมีประสิทธิภาพชั้นนำของอุตสาหกรรมด้วยความสามารถในการทำความเข้าใจข้อมูลหลายรูปแบบ ซึ่งช่วยให้แอปของคุณเข้าใจและประมวลผลข้อความ รูปภาพ และเสียงได้ Gemma 4 บน Android มี 2 ขนาดเพื่อให้คุณได้รับประสิทธิภาพและประสิทธิผลที่สมดุลที่สุด ดังนี้

• E4B: ออกแบบมาเพื่อเพิ่มความสามารถในการให้เหตุผลและงานที่ซับซ้อน
• E2B: เพิ่มประสิทธิภาพเพื่อความเร็วสูงสุด (เร็วกว่าโมเดล E4B ถึง 3 เท่า) และเวลาในการตอบสนองที่ต่ำลง

โมเดลใหม่นี้เร็วกว่าเวอร์ชันก่อนหน้าถึง 4 เท่าและใช้แบตเตอรี่น้อยลงถึง 60% ตั้งแต่วันนี้เป็นต้นไป คุณสามารถทดลองใช้ความสามารถที่ได้รับการปรับปรุง ซึ่งรวมถึงสิ่งต่อไปนี้

• การให้เหตุผล: ตอนนี้คำสั่งแบบ Chain of Thought และคำสั่งแบบมีเงื่อนไขจะให้ผลลัพธ์ที่มีคุณภาพสูงขึ้น เช่น "พิจารณาว่าความคิดเห็นต่อไปนี้สำหรับชุดข้อความการสนทนาเป็นไปตามหลักเกณฑ์ของชุมชนหรือไม่ ความคิดเห็นจะไม่ผ่านหลักเกณฑ์ของชุมชนหากมี reason_for_flag อย่างน้อย 1 รายการต่อไปนี้ ได้แก่ คำหยาบคาย ภาษาที่เสื่อมเสีย วาจาสร้างความเกลียดชัง" หากรีวิวผ่านหลักเกณฑ์ของชุมชน ให้แสดงผล {true} ไม่เช่นนั้น ให้แสดงผล {false, reason_for_flag}”
• คณิตศาสตร์: โมเดลมีทักษะด้านคณิตศาสตร์ที่ดีขึ้น จึงตอบคำถามได้แม่นยำยิ่งขึ้น ตัวอย่างเช่น "หากฉันได้รับเช็คเงินเดือน 26 ฉบับต่อปี ฉันควรเก็บเงินจากเช็คเงินเดือนแต่ละฉบับเท่าใดจึงจะบรรลุเป้าหมายการออมเงิน 10,000 ดอลลาร์ในระยะเวลา 1 ปี"
• ความเข้าใจเรื่องเวลา: ตอนนี้โมเดลมีความสามารถมากขึ้นเมื่อให้เหตุผลเกี่ยวกับเวลา ทำให้มีความแม่นยำมากขึ้นสำหรับ Use Case ที่เกี่ยวข้องกับปฏิทิน การช่วยเตือน และนาฬิกาปลุก ตัวอย่างเช่น "กิจกรรมจะจัดขึ้นเวลา 18: 00 น. ของวันที่ 18 สิงหาคม และควรส่งการช่วยเตือน 10 ชั่วโมงก่อนกิจกรรม แสดงเวลาและวันที่ที่ควรส่งการช่วยเตือน"
• การทำความเข้าใจรูปภาพ: กรณีการใช้งานที่เกี่ยวข้องกับ OCR (การรู้จำอักขระด้วยภาพ) เช่น การทำความเข้าใจแผนภูมิ การดึงข้อมูลภาพ และการจดจำลายมือ จะแสดงผลลัพธ์ที่แม่นยำยิ่งขึ้น

เข้าร่วมเวอร์ชันตัวอย่างสำหรับนักพัฒนาซอฟต์แวร์วันนี้เพื่อดาวน์โหลดโมเดลเหล่านี้ในโมเดลตัวอย่างและเริ่มสร้างฟีเจอร์รุ่นใหม่ได้ทันที

เริ่มทดสอบโมเดล

คุณสามารถลองใช้โมเดลโดยไม่ต้องเขียนโค้ดได้โดยทำตามคู่มือเวอร์ชันตัวอย่างสำหรับนักพัฒนาซอฟต์แวร์ หากต้องการผสานรวมโมเดลเหล่านี้เข้ากับเวิร์กโฟลว์ที่มีอยู่โดยตรง เราก็ทำให้กระบวนการนี้ราบรื่น ไปที่ Android Studio เพื่อปรับแต่งพรอมต์และสร้างด้วย ML Kit Prompt API ที่คุ้นเคย เราได้เปิดตัวความสามารถใหม่ในการระบุโมเดล ซึ่งช่วยให้คุณกำหนดเป้าหมายไปยังตัวแปร E2B (เร็ว) หรือ E4B (เต็ม) เพื่อทำการทดสอบได้

// 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)
}

สิ่งที่จะเกิดขึ้นในเวอร์ชันตัวอย่างสำหรับนักพัฒนาซอฟต์แวร์

เป้าหมายของเวอร์ชันตัวอย่างสำหรับนักพัฒนาซอฟต์แวร์นี้คือการช่วยให้คุณเริ่มต้นปรับแต่งความแม่นยำของพรอมต์และสำรวจ Use Case ใหม่ๆ สำหรับแอปของคุณโดยเฉพาะ

เราจะทำการอัปเดตหลายครั้งตลอดระยะเวลาเวอร์ชันตัวอย่าง ซึ่งรวมถึงการรองรับการเรียกใช้เครื่องมือ เอาต์พุตที่มีโครงสร้าง พรอมต์ของระบบ และโหมดการคิดใน Prompt API เพื่อให้ใช้ประโยชน์จากความสามารถใหม่ๆ ใน Gemma 4 ได้ง่ายขึ้น รวมถึงการเพิ่มประสิทธิภาพอย่างมาก 

โมเดลเวอร์ชันตัวอย่างพร้อมให้ทดสอบในอุปกรณ์ที่เปิดใช้ AICore โมเดลเหล่านี้จะทำงานบนตัวเร่ง AI เฉพาะทางรุ่นล่าสุดจาก Google, MediaTek และ Qualcomm Technologies ในอุปกรณ์อื่นๆ โมเดลจะทำงานในการติดตั้งใช้งาน CPU ซึ่งไม่ได้แสดงถึงประสิทธิภาพการใช้งานจริงขั้นสุดท้ายในตอนแรก หากอุปกรณ์ของคุณไม่ได้เปิดใช้ AICore คุณสามารถทดสอบโมเดลเหล่านี้ผ่านแอป AI Edge Gallery ได้เช่นกัน เราจะให้การสนับสนุนอุปกรณ์เพิ่มเติมในอนาคต

วิธีเริ่มต้นใช้งาน

พร้อมหรือยังที่จะดูว่า Gemma 4 ทำอะไรให้ผู้ใช้ของคุณได้บ้าง

1. เลือกใช้: ลงชื่อสมัครใช้ เวอร์ชันตัวอย่างสำหรับนักพัฒนาซอฟต์แวร์ของ AICore
2. ดาวน์โหลด: เมื่อเลือกใช้แล้ว คุณจะเรียกให้ดาวน์โหลดโมเดล Gemma 4 ล่าสุดไปยังอุปกรณ์ทดสอบที่รองรับได้โดยตรง
3. สร้าง: อัปเดตการติดตั้งใช้งาน ML Kit เพื่อกำหนดเป้าหมายโมเดลใหม่และเริ่มสร้างใน Android Studio