أطلقت شركة Google نموذج Gemma 4 12B، وهو نموذج متعدد الوسائط موحد وخالٍ من برامج الترميز مصمم للعمل مباشرة على أجهزة الكمبيوتر المحمولة. ويتوفر هذا النموذج بموجب ترخيص Apache 2.0 المفتوح. وتحديداً، يهدف النموذج إلى سد الفجوة بين كفاءة الأجهزة الطرفية والقدرات المتقدمة للاستدلال في تطبيقات الذكاء الاصطناعي. ويسمح ترخيص Apache 2.0 بالتوزيع الحر والتعديل على النموذج، مما يشجع على اعتماده على نطاق واسع والتطوير المشترك داخل مجتمع التقنية العالمي.

التشغيل المحلي على الأجهزة المحمولة

يمكن للمطورين تشغيل هذا النموذج محلياً على الأجهزة القياسية. وبشكل ملحوظ، يتطلب النموذج 16 جيجابايت فقط من ذاكرة VRAM أو الذاكرة الموحدة للعمل على أجهزة الكمبيوتر والمحمول الحديثة. ونتيجة لذلك، لا يحتاج المستخدمون إلى بنية تحتية سحابية مكلفة لتنفيذ المهام المعقدة. ويضمن هذا التشغيل المحلي خصوصية البيانات ويقلل من زمن الاستجابة للمطورين.

البنية الموحدة وتضمين الرؤية

تسمح البنية الموحدة بتدفق الرموز متعددة الوسائط مباشرة إلى العمود الفقري لنموذج اللغة الكبير دون الحاجة إلى برامج ترميز إضافية. وفي الوقت نفسه، تم استبدال ترميز الرؤية بوحدة خفيفة الوزن تحتوي على 35 مليون معلمة فقط. وتقوم هذه الوحدة بحقن المعلومات المكانية مباشرة في تضمينات الرموز. وبالتالي، يتولى النموذج الموحد الفهم البصري مباشرة، مما يسهل تصميم النظام بالكامل. وبدمج المعلومات المكانية مباشرة، يلغي النموذج الحاجة إلى مسارات معالجة بصرية منفصلة.

قدرات الاستدلال المتقدمة في نموذج Gemma 4 12B

يقدم نموذج Gemma 4 12B أداءً قريباً من النموذج الأكبر بحجم 26 مليار معلمة. ومع ذلك، فإنه يحقق هذا الأداء مع استخدام أقل من نصف مساحة الذاكرة المطلوبة. وعلاوة على ذلك، تتيح هذه الكفاءة العالية عمليات الاستدلال متعدد الخطوات وسير العمل الذكي. ويمكن للمطورين بناء وكلاء محليين أكثر تعقيداً دون تجاوز قيود الأجهزة المتاحة لديهم.

دعم المنصات وتوافر النموذج

تتوفر أوزان النموذج للتنزيل على منصات Hugging Face وKaggle. بالإضافة إلى ذلك، يمكن للمطورين استخدام أطر عمل مثل llama.cpp وMLX وLM Studio وvLLM وSGLang. وتساعد هذه الأدوات في دمج النموذج في مختلف التطبيقات والبرمجيات. كما أعرب فريق التطوير عن تقديره لمساهمات فريق Unsloth في دعم هذا الإطلاق. وتتيح أطر العمل هذه للمطورين تحسين أداء النموذج ليتوافق مع أنظمة التشغيل المختلفة وتكوينات الأجهزة المتنوعة. ويضمن هذا التوافق الواسع إمكانية نشر النموذج في بيئات تطوير متعددة بسهولة.

مستقبل الذكاء الاصطناعي على الأجهزة الطرفية

يمثل إطلاق نموذج Gemma 4 12B تحولاً واضحاً نحو تشغيل الذكاء الاصطناعي محلياً. ومن خلال تقليل متطلبات الذاكرة، يمكن لمزيد من المطورين الوصول إلى أدوات الاستدلال المتقدمة. وبالتالي، قد نشهد زيادة في تطبيقات الذكاء الاصطناعي التي تعمل دون اتصال بالإنترنت. ويدعم هذا الاتجاه الطلب المتزايد على حلول التعلم الآلي الفعالة والمباشرة على الأجهزة.

المصدر: X (@googlegemma)