ที่ Google เรามุ่งมั่นที่จะนำโมเดล AI ที่มากความสามารถที่สุดมาไว้ในอุปกรณ์ Android ในกระเป๋าของคุณโดยตรง วันนี้ เรายินดีเป็นอย่างยิ่งที่จะประกาศเปิดตัวโมเดลโอเพนซอร์สที่ล้ำสมัยที่สุดรุ่นล่าสุดของเรา นั่นคือ Gemma 4

โมเดลเหล่านี้เป็นรากฐานของ Gemini Nano รุ่นถัดไป ดังนั้นโค้ดที่คุณเขียนในวันนี้สำหรับ Gemma 4 จะทำงานโดยอัตโนมัติในอุปกรณ์ที่ใช้ Gemini Nano 4 ได้ ซึ่งจะพร้อมใช้งานภายในปีนี้ เมื่อใช้ Gemini Nano 4 คุณจะได้รับประโยชน์จากการเพิ่มประสิทธิภาพการทำงานเพิ่มเติมของเราเพื่อให้คุณสามารถเผยแพร่แอปไปยังสภาพแวดล้อมการใช้งานจริงในระบบนิเวศของ Android ด้วยการอนุมานในอุปกรณ์ที่มีประสิทธิภาพสูงสุด

คุณสามารถเข้าถึงโมเดลนี้ก่อนใครได้แล้ววันนี้ผ่านเวอร์ชันตัวอย่างสำหรับนักพัฒนาซอฟต์แวร์ของ AICore

เลือกโมเดล Gemini Nano 4 Fast ใน UI ของเวอร์ชันตัวอย่างสำหรับนักพัฒนาซอฟต์แวร์เพื่อดูความเร็วในการอนุมานที่รวดเร็วอย่างน่าทึ่งก่อนที่จะเขียนโค้ด

เนื่องจาก Gemma 4 รองรับภาษาต่างๆ มากกว่า 140 ภาษา คุณจึงมั่นใจได้ว่าจะได้รับประสบการณ์การใช้งานแบบหลายภาษาที่ปรับให้เหมาะกับแต่ละภาษาสำหรับผู้ชมทั่วโลก นอกจากนี้ Gemma 4 ยังมีประสิทธิภาพระดับแนวหน้าของอุตสาหกรรมด้วยความสามารถในการทำความเข้าใจข้อมูลหลายรูปแบบ ซึ่งช่วยให้แอปของคุณเข้าใจและประมวลผลข้อความ รูปภาพ และเสียงได้ Gemma 4 บน Android มี 2 ขนาดเพื่อให้คุณได้รับประสิทธิภาพและความมีประสิทธิภาพที่สมดุลที่สุด ดังนี้

• E4B: ออกแบบมาเพื่อความสามารถในการให้เหตุผลที่สูงขึ้นและงานที่ซับซ้อน
• E2B: เพิ่มประสิทธิภาพเพื่อความเร็วสูงสุด (เร็วกว่าโมเดล E4B ถึง 3 เท่า!) และเวลาในการตอบสนองที่ต่ำกว่า

โมเดลใหม่นี้เร็วกว่าเวอร์ชันก่อนหน้าถึง 4 เท่าและใช้แบตเตอรี่น้อยลงถึง 60% ตั้งแต่วันนี้เป็นต้นไป คุณสามารถทดลองใช้ความสามารถที่ได้รับการปรับปรุงแล้ว ซึ่งรวมถึง

• การให้เหตุผล: ตอนนี้คุณคาดหวังได้ว่าคำสั่งแบบ Chain-of-Thought และคำสั่งแบบมีเงื่อนไขจะแสดงผลลัพธ์ที่มีคุณภาพสูงขึ้น เช่น "พิจารณาว่าความคิดเห็นต่อไปนี้สำหรับกระทู้สนทนาเป็นไปตามหลักเกณฑ์ของชุมชนหรือไม่ ความคิดเห็นไม่เป็นไปตามหลักเกณฑ์ของชุมชนหากมีเหตุผล_ในการแจ้งว่าไม่เหมาะสมอย่างน้อย 1 ข้อต่อไปนี้ ได้แก่ คำหยาบคาย ภาษาที่ดูถูก วาจาสร้างความเกลียดชัง" หากการตรวจสอบเป็นไปตามหลักเกณฑ์ของชุมชน ให้แสดง {true} หากไม่เป็นไปตามหลักเกณฑ์ ให้แสดง {false, reason_for_flag}"
• คณิตศาสตร์: โมเดลนี้มีความสามารถทางคณิตศาสตร์ที่ดีขึ้น จึงสามารถตอบคำถามได้อย่างแม่นยำมากขึ้น เช่น "หากฉันได้รับเงินเดือน 26 ครั้งต่อปี ฉันควรเก็บเงินจากเงินเดือนแต่ละครั้งเป็นจำนวนเท่าใดเพื่อให้บรรลุเป้าหมายการออมเงิน 10,000 ดอลลาร์ภายใน 1 ปี"
• ความเข้าใจเกี่ยวกับเวลา: ตอนนี้โมเดลมีความสามารถมากขึ้นในการให้เหตุผลเกี่ยวกับเวลา จึงมีความแม่นยำมากขึ้นสำหรับกรณีการใช้งานที่เกี่ยวข้องกับปฏิทิน การช่วยเตือน และการปลุก เช่น "กิจกรรมจะจัดขึ้นในวันที่ 18 สิงหาคม เวลา 18: 00 น. และควรส่งการช่วยเตือนออก 10 ชั่วโมงก่อนเริ่มกิจกรรม แสดงเวลาและวันที่ที่ควรส่งการช่วยเตือน"
• การทำความเข้าใจรูปภาพ: Use Case ที่เกี่ยวข้องกับ OCR (การรู้จำอักขระด้วยภาพ) เช่น ความเข้าใจเกี่ยวกับแผนภูมิ การดึงข้อมูลภาพ และการจดจำลายมือ ตอนนี้จะแสดงผลลัพธ์ที่แม่นยำมากขึ้น

เข้าร่วมเวอร์ชันตัวอย่างสำหรับนักพัฒนาซอฟต์แวร์วันนี้เพื่อดาวน์โหลดโมเดลเหล่านี้ในโมเดลตัวอย่างและเริ่มสร้างฟีเจอร์รุ่นถัดไปได้ทันที

เริ่มทดสอบโมเดล

คุณสามารถลองใช้โมเดลโดยไม่ต้องเขียนโค้ดได้โดยทำตามคู่มือเวอร์ชันตัวอย่างสำหรับนักพัฒนาซอฟต์แวร์ หากต้องการเริ่มผสานรวมโมเดลเหล่านี้เข้ากับเวิร์กโฟลว์ที่มีอยู่ได้ทันที เราได้ทำให้กระบวนการนี้เป็นไปอย่างราบรื่น ไปที่ Android Studio เพื่อปรับแต่งพรอมต์และสร้างด้วย ML Kit Prompt API ที่คุ้นเคย เราได้เปิดตัวความสามารถใหม่ในการระบุโมเดล ซึ่งช่วยให้คุณกำหนดเป้าหมายโมเดลย่อย E2B (Fast) หรือ E4B (Full) 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)
}

สิ่งที่จะได้รับในระหว่างเวอร์ชันตัวอย่างสำหรับนักพัฒนาซอฟต์แวร์

เป้าหมายของเวอร์ชันตัวอย่างสำหรับนักพัฒนาซอฟต์แวร์นี้คือการช่วยให้คุณเริ่มต้นปรับแต่งความแม่นยำของพรอมต์ และสำรวจกรณีการใช้งานใหม่ๆ สำหรับแอปเฉพาะของคุณ

เราจะทำการอัปเดตหลายครั้งตลอดระยะเวลาเวอร์ชันตัวอย่าง ซึ่งรวมถึงการรองรับการเรียกใช้เครื่องมือ เอาต์พุตที่มีโครงสร้าง พรอมต์ของระบบ และโหมดการคิดใน Prompt API ซึ่งจะช่วยให้คุณใช้ประโยชน์จากความสามารถใหม่ๆ ใน Gemma 4 ได้อย่างเต็มที่ รวมถึงการเพิ่มประสิทธิภาพการทำงานอย่างมาก

โมเดลตัวอย่างพร้อมให้ทดสอบในอุปกรณ์ที่ใช้ AICore ได้ โมเดลเหล่านี้จะทำงานบนตัวเร่งความเร็ว AI เฉพาะทางรุ่นล่าสุดจาก Google, MediaTek และ Qualcomm Technologies ในอุปกรณ์อื่นๆ โมเดลจะทำงานบนการใช้งาน CPU ในขั้นต้น ซึ่งไม่ได้แสดงถึงประสิทธิภาพการทำงานของผลิตภัณฑ์ขั้นสุดท้าย หากอุปกรณ์ของคุณไม่ได้ใช้ AICore คุณสามารถทดสอบโมเดลเหล่านี้ผ่านแอป AI Edge Gallery ได้เช่นกัน เราจะรองรับอุปกรณ์เพิ่มเติมในอนาคต

วิธีเริ่มต้นใช้งาน

พร้อมหรือยังที่จะดูว่า Gemma 4 ช่วยผู้ใช้ของคุณได้อย่างไร

1. เลือกใช้: ลงชื่อสมัครใช้ เวอร์ชันตัวอย่างสำหรับนักพัฒนาซอฟต์แวร์ของ AICore
2. ดาวน์โหลด: เมื่อเลือกใช้แล้ว คุณสามารถดาวน์โหลดโมเดล Gemma 4 รุ่นล่าสุดลงในอุปกรณ์ทดสอบที่รองรับได้โดยตรง
3. สร้าง: อัปเดตการใช้งาน ML Kit เพื่อกำหนดเป้าหมายโมเดลใหม่และเริ่มสร้างแอปใน Android Studio