「Google Gemma 4」の版間の差分

13行目:

Gemma 4は、ターゲットとなるハードウェア要件に合わせて最適化された3つの異なるアーキテクチャで構成されています。

* Effectiveシリーズ（E2B / ~~E4B）：超モバイル、エッジデバイス、ブラウザ（Google~~ PixelやChrome等）へのデプロイを想定した小サイズモデルです。有効パラメータ（Effective Parameters）の最適化と、各デコーダーレイヤーに独自の埋め込みテーブルを持つPLE（Per-Layer Embeddings）を採用。計算負荷を抑えつつ、オンデバイスでの表現力を最大化しています。

=== Effectiveシリーズ（E2B / E4B）===

* Denseモデル（31B）：310億パラメータを持つ高密度モデルです。サーバーグレードのパフォーマンスとローカル実行の境界線を埋める存在であり、オープンモデルとして最高峰の知能と論理推論能力を提供します。

超モバイル、エッジデバイス、ブラウザ（Google PixelやChrome等）へのデプロイを想定した小サイズモデルです。有効パラメータ（Effective Parameters）の最適化と、各デコーダーレイヤーに独自の埋め込みテーブルを持つPLE（Per-Layer Embeddings）を採用。計算負荷を抑えつつ、オンデバイスでの表現力を最大化しています。

* Mixture-of-Expertsモデル（26B A4B）：高スループットと高度な推論を両立させるために設計された効率的なMoEモデルです。生成時にはトークンごとに40億（4B）のパラメータのみをアクティブ化しますが、高速なルーティングを維持するために全260億パラメータをメモリに展開します。

=== * Denseモデル（31B）===

310億パラメータを持つ高密度モデルです。サーバーグレードのパフォーマンスとローカル実行の境界線を埋める存在であり、オープンモデルとして最高峰の知能と論理推論能力を提供します。

=== Mixture-of-Expertsモデル（26B A4B）===

高スループットと高度な推論を両立させるために設計された効率的なMoEモデルです。生成時にはトークンごとに40億（4B）のパラメータのみをアクティブ化しますが、高速なルーティングを維持するために全260億パラメータをメモリに展開します。

== 主要機能と進化点 ==

* 高性能推論（Thinking ~~Mode）：構成可能な思考モードを搭載。複雑な課題に対し、論理的な推論ステップを経てから回答を生成します。~~

=== 高性能推論（Thinking Mode）===

* 拡張されたマルチモーダル：テキスト、動画、画像（可変解像度対応）を処理。特にE2B/E4Bはネイティブ音声処理をサポートしています。

構成可能な思考モードを搭載。複雑な課題に対し、論理的な推論ステップを経てから回答を生成します。

* コンテキスト・ウィンドウ：小規模モデルは128K、中規模モデル（31B/26B）は最大256Kの大規模コンテキストに対応。

* エージェント機能の強化：関数呼び出し（Function Calling）をネイティブサポートし、自律型エージェントの構築を強力に支援します。

=== 拡張されたマルチモーダル ===

* システムプロンプト対応：システムロールの組み込みサポートにより、モデルの振る舞いをより構造的に制御可能です。

テキスト、動画、画像（可変解像度対応）を処理。特にE2B/E4Bはネイティブ音声処理をサポートしています。

=== コンテキスト・ウィンドウ ===

小規模モデルは128K、中規模モデル（31B/26B）は最大256Kの大規模コンテキストに対応。

=== エージェント機能の強化 ===

関数呼び出し（Function Calling）をネイティブサポートし、自律型エージェントの構築を強力に支援します。

=== システムプロンプト対応 ===

システムロールの組み込みサポートにより、モデルの振る舞いをより構造的に制御可能です。

== 推論実行に必要なメモリ要件（公式ガイドライン） ==

@@ 13行目: / 13行目: @@
 Gemma 4は、ターゲットとなるハードウェア要件に合わせて最適化された3つの異なるアーキテクチャで構成されています。
-* Effectiveシリーズ（E2B / E4B）：超モバイル、エッジデバイス、ブラウザ（Google PixelやChrome等）へのデプロイを想定した小サイズモデルです。有効パラメータ（Effective Parameters）の最適化と、各デコーダーレイヤーに独自の埋め込みテーブルを持つPLE（Per-Layer Embeddings）を採用。計算負荷を抑えつつ、オンデバイスでの表現力を最大化しています。
+=== Effectiveシリーズ（E2B / E4B）===
-* Denseモデル（31B）：310億パラメータを持つ高密度モデルです。サーバーグレードのパフォーマンスとローカル実行の境界線を埋める存在であり、オープンモデルとして最高峰の知能と論理推論能力を提供します。
+超モバイル、エッジデバイス、ブラウザ（Google PixelやChrome等）へのデプロイを想定した小サイズモデルです。有効パラメータ（Effective Parameters）の最適化と、各デコーダーレイヤーに独自の埋め込みテーブルを持つPLE（Per-Layer Embeddings）を採用。計算負荷を抑えつつ、オンデバイスでの表現力を最大化しています。
-* Mixture-of-Expertsモデル（26B A4B）：高スループットと高度な推論を両立させるために設計された効率的なMoEモデルです。生成時にはトークンごとに40億（4B）のパラメータのみをアクティブ化しますが、高速なルーティングを維持するために全260億パラメータをメモリに展開します。
+=== * Denseモデル（31B）===
+億パラメータを持つ高密度モデルです。サーバーグレードのパフォーマンスとローカル実行の境界線を埋める存在であり、オープンモデルとして最高峰の知能と論理推論能力を提供します。
+=== Mixture-of-Expertsモデル（26B A4B）===
+高スループットと高度な推論を両立させるために設計された効率的なMoEモデルです。生成時にはトークンごとに40億（4B）のパラメータのみをアクティブ化しますが、高速なルーティングを維持するために全260億パラメータをメモリに展開します。
 == 主要機能と進化点 ==
-* 高性能推論（Thinking Mode）：構成可能な思考モードを搭載。複雑な課題に対し、論理的な推論ステップを経てから回答を生成します。
+=== 高性能推論（Thinking Mode）===
-* 拡張されたマルチモーダル：テキスト、動画、画像（可変解像度対応）を処理。特にE2B/E4Bはネイティブ音声処理をサポートしています。
+構成可能な思考モードを搭載。複雑な課題に対し、論理的な推論ステップを経てから回答を生成します。
-* コンテキスト・ウィンドウ：小規模モデルは128K、中規模モデル（31B/26B）は最大256Kの大規模コンテキストに対応。
-* エージェント機能の強化：関数呼び出し（Function Calling）をネイティブサポートし、自律型エージェントの構築を強力に支援します。
+=== 拡張されたマルチモーダル ===
-* システムプロンプト対応：システムロールの組み込みサポートにより、モデルの振る舞いをより構造的に制御可能です。
+テキスト、動画、画像（可変解像度対応）を処理。特にE2B/E4Bはネイティブ音声処理をサポートしています。
+=== コンテキスト・ウィンドウ ===
+小規模モデルは128K、中規模モデル（31B/26B）は最大256Kの大規模コンテキストに対応。
+=== エージェント機能の強化 ===
+関数呼び出し（Function Calling）をネイティブサポートし、自律型エージェントの構築を強力に支援します。
+=== システムプロンプト対応 ===
+システムロールの組み込みサポートにより、モデルの振る舞いをより構造的に制御可能です。
 == 推論実行に必要なメモリ要件（公式ガイドライン） ==