اعلام Gemma 4 در «پیش‌نمای توسعه‌دهندگان نرم‌افزار AICore»

در Google، متعهد هستیم که توانمندترین مدل‌های هوش مصنوعی را مستقیماً به دستگاه‌های Android در جیبتان بیاوریم. امروز با خوشحالی از انتشار جدیدترین مدل باز پیشرفته خود، Gemma 4، خبر می‌دهیم.

این مدل‌ها پایه و اساس نسل بعدی Gemini Nano هستند، بنابراین کدی که امروز برای Gemma 4 می‌نویسید به‌طور خودکار در دستگاه‌های مجهز به Gemini Nano 4 که در ادامه امسال دردسترس قرار می‌گیرند کار خواهد کرد. با Gemini Nano 4، از بهینه‌سازی‌های عملکرد اضافی ما بهره‌مند خواهید شد تا بتوانید با کارآمدترین استنباط درون‌دستگاهی در سراسر بوم‌سازگان Android محصول تولید کنید.

امروز می‌توانید ازطریق پیش‌نمای توسعه‌دهندگان نرم‌افزار AICore به این مدل دسترسی زودرس داشته باشید.

مدل Gemini Nano 4 Fast را در «میانای کاربری پیش‌نمایش توسعه‌دهندگان» انتخاب کنید تا سرعت استنباط بسیار بالای آن را قبل‌از نوشتن کد ببینید

چون Gemma 4 به‌طور بومی از بیش‌از ۱۴۰ زبان پشتیبانی می‌کند، می‌توانید انتظار تجربه‌های چندزبانه و بومی‌سازی‌شده بهتری را برای مخاطبان جهانی خود داشته باشید. علاوه‌براین، Gemma 4 با درک چندحالته عملکردی پیشرو در صنعت ارائه می‌دهد و به برنامه‌هایتان امکان می‌دهد نوشتار، تصاویر، و صدا را درک و پردازش کنند. برای ارائه بهترین توازن بین عملکرد و کارایی، Gemma 4 در Android در دو اندازه ارائه می‌شود:

• E4B: برای قدرت استدلال بالاتر و تکالیف پیچیده طراحی شده است.
• E2B: بهینه‌سازی‌شده برای حداکثر سرعت (۳ برابر سریع‌تر از مدل E4B!) و تأخیر کمتر.

مدل جدید تا ۴ برابر سریع‌تر از نسخه‌های قبلی است و تا ۶۰٪ کمتر از باتری استفاده می‌کند. از امروز می‌توانید قابلیت‌های بهبودیافته زیر را آزمایش کنید:

• استدلال: اکنون می‌توان انتظار داشت که دستورات زنجیره فکری و گزاره‌های شرطی نتایج با کیفیت بالاتری برگردانند. برای مثال: «تعیین کنید که آیا نظر زیر برای رشته بحث از دستورالعمل‌های انجمن پیروی می‌کند یا نه. اگر نظر حاوی یک یا چند مورد از این reason_for_flag باشد، از دستورالعمل انجمن عبور نمی‌کند: ناسزا، زبان تحقیرآمیز، سخنان مشوق عداوت و تنفر». اگر مرور از دستورالعمل‌های انجمن عبور کند، {true} را برگردانید. درغیراین‌صورت، {false, reason_for_flag} را برگردانید.»
• ریاضیات: با مهارت‌های ریاضی بهتر، این مدل اکنون می‌تواند به سؤالات دقیق‌تر پاسخ دهد. برای مثال: «اگر ۲۶ چک حقوق در سال دریافت کنم، چقدر باید از هر چک حقوق کنار بگذارم تا درطول یک سال به هدف پس‌انداز ۱۰٬۰۰۰ دلاری‌ام برسم؟»
• درک زمان: اکنون مدل در استدلال درباره زمان توانمندتر است و این امر باعث می‌شود برای موارد استفاده‌ای که شامل تقویم، یادآوری، و هشدار می‌شود دقیق‌تر باشد. برای مثال: «رویداد ساعت ۶ بعدازظهر ۱۸ اوت است و یادآوری باید ۱۰ ساعت قبل‌از رویداد ارسال شود. زمان و تاریخی را که یادآوری باید ارسال شود برگردانید.»
• درک تصویر: موارد استفاده‌ای که شامل OCR (تشخیص نویسه نوری) می‌شود - مانند درک نمودار، استخراج داده‌های دیداری، و تشخیص دست‌نویس - اکنون نتایج دقیق‌تری برمی‌گرداند.

همین امروز به پیش‌نمایش توسعه‌دهندگان بپیوندید تا این مدل‌ها را در مدل‌های پیش‌نمایش بارگیری کنید و بلافاصله ساخت ویژگی‌های نسل بعدی را شروع کنید.

شروع آزمایش مدل

با دنبال کردن راهنمای «پیش‌نمای توسعه‌دهندگان نرم‌افزار» می‌توانید مدل را بدون کد امتحان کنید. اگر می‌خواهید مستقیماً به ادغام این مدل‌ها با گردش کار موجودتان بپردازید، این کار را برایتان یکپارچه کرده‌ایم. به Android Studio بروید تا پیام‌واره‌تان را پالایش کنید و با Prompt API آشنای ML Kit بسازید. قابلیت جدیدی برای مشخص کردن مدل معرفی کرده‌ایم که به شما امکان می‌دهد انواع E2B (سریع) یا E4B (کامل) را برای آزمایش هدف‌یابی کنید.

// 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)
}

درطول «پیش‌نمای توسعه‌دهندگان نرم‌افزار» چه انتظاری باید داشت

هدف از این «پیش‌نمای توسعه‌دهندگان نرم‌افزار» این است که به شما فرصتی برای بهبود دقت پیام‌واره و کاوش موارد استفاده جدید برای برنامه‌های خاص خودتان بدهد.

درطول دوره پیش‌نمایش، چندین به‌روزرسانی انجام خواهیم داد، ازجمله پشتیبانی از فراخوانی ابزار، خروجی ساختاریافته، پیام‌واره‌های سیستم، و حالت تفکر در Prompt API، که بهره‌برداری کامل از قابلیت‌های جدید Gemma 4 و همچنین بهینه‌سازی‌های قابل‌توجه عملکرد را آسان‌تر می‌کند. 

مدل‌های پیش‌نمایش برای آزمایش در دستگاه‌های دارای AICore دردسترس هستند. این مدل‌ها روی جدیدترین نسل شتاب‌دهنده‌های هوش مصنوعی تخصصی از Google،‏ MediaTek، و Qualcomm Technologies اجرا خواهند شد. در دستگاه‌های دیگر، مدل‌ها در ابتدا روی پیاده‌سازی CPU اجرا می‌شوند که نشان‌دهنده عملکرد نهایی تولید نیست. اگر دستگاهتان AICore را فعال نکرده است، می‌توانید این مدل‌ها را ازطریق برنامه AI Edge Gallery نیز آزمایش کنید. در آینده، از دستگاه‌های بیشتری پشتیبانی خواهیم کرد.

نحوه شروع به کار

آماده‌اید ببینید Gemma 4 چه کارهایی می‌تواند برای کاربران شما انجام دهد؟

1. موافقت کردن: برای پیش‌نمای توسعه‌دهندگان نرم‌افزار AICore ثبت‌نام کنید.
2. بارگیری: پس‌از موافقت کردن، می‌توانید بارگیری جدیدترین مدل‌های Gemma 4 را مستقیماً در دستگاه تست پشتیبانی‌شده‌تان راه‌اندازی کنید.
3. ساختن: پیاده‌سازی ML Kit خود را به‌روز کنید تا مدل‌های جدید را هدف‌یابی کنید و در Android Studio شروع به ساختن کنید.