第 01 期 | 认识 Gemma：Google 开源模型家族全景 — Google Gemma Masterclass: Deployment, Fine-Tuning & Agent Integration

副标题：Gemma 1/2/3 演进历程，与 Gemini 的关系，1B/4B/12B/27B 参数规模选择指南，开源许可与商用条款解读。

🎯 学习目标

完成本期课程后，您将能够：

理解 Google Gemma 模型家族的起源、核心理念及其与 Gemini 技术的关系。
掌握 Gemma 模型家族的演进历程，包括不同版本（如 Gemma 1 和 Gemma 2）的关键特性与参数规模（1B, 4B, 12B, 27B）。
根据实际应用场景和硬件资源，选择合适的 Gemma 模型参数规模。
清晰理解 Gemma 模型的开源许可协议，特别是其商用条款，确保合规使用。

📖 核心概念讲解

Google Gemma 是 Google DeepMind 推出的一系列轻量级、最先进的开放模型，旨在为开发者、研究人员和企业提供高性能、可定制的 AI 能力。它继承了 Google 在大型语言模型（LLM）领域，特别是 Gemini 模型家族上的领先技术和安全实践，并将这些前沿能力以开源形式释放出来。

1.1 Gemma 的起源与核心理念

Gemma 的诞生，是 Google DeepMind 致力于推动 AI 普及和创新的重要一步。其核心理念在于：

技术普惠： 将顶级 LLM 技术开放给更广泛的社区，降低 AI 开发门槛。
安全负责： 继承 Gemini 在安全性、伦理和负责任 AI 方面的严格标准。
高效灵活： 提供多种参数规模，优化模型性能与资源消耗，方便在不同硬件环境和应用场景中部署。
开源生态： 积极融入并贡献于开源 AI 生态，支持社区协作与创新。

Gemma 这个名字来源于拉丁语 gemma，意为“宝石”，象征着其作为“AI 宝石”的珍贵价值和潜力。

1.2 Gemma 与 Gemini 的关系：同源异构的兄弟

理解 Gemma，就必须理解它与 Google 旗舰模型 Gemini 的关系。

技术同源： Gemma 模型家族是基于与 Gemini 模型家族相同的研究和技术构建的。这意味着它们共享了许多底层的架构设计、训练方法和安全评估框架。可以想象成，Gemma 是 Gemini 技术基因在开源世界中的一种具象化和优化。
目标差异：
- Gemini： 定位为 Google 最强大的、最通用的多模态模型，旨在处理极其复杂、广泛的任务，通常通过 Google Cloud Vertex AI 或 Google AI Studio 等平台提供服务。
- Gemma： 定位为轻量级、高性能的开源模型，强调易于部署、微调和在本地或边缘设备上运行，更注重开发者和研究人员的自主掌控和定制能力。
规模与优化： Gemma 通常以更小的参数规模提供（尽管最新版本已达到 27B），并且在设计上更注重推理效率和资源消耗，使其更适合在资源受限的环境中运行。

简而言之，Gemma 并不是 Gemini 的“缩水版”，而是 Google 将其最先进的 AI 技术精炼、优化后，以开源形式推出的一个独立且高度相关的模型家族。它们是“同源异构”的兄弟，各自服务于不同的应用场景和用户群体。

1.3 Gemma 模型家族的演进与关键特性

Gemma 家族自推出以来，不断迭代和增强，主要经历了以下演进：

1.3.1 Gemma 1 (初始版本)

发布时间： 2024 年 2 月
主要规模： 2B (20 亿参数), 7B (70 亿参数)
核心特点：
- 首次将 Google 的先进 AI 技术以开源形式推出。
- 在多个基准测试中表现出色，超越同等规模的开源模型。
- 强调负责任 AI 和安全性。
许可： 初始版本采用特定的“Gemma 许可”，允许商业使用但有特定限制。

1.3.2 Gemma 2 (重大升级)

发布时间： 2024 年 6 月
主要规模： 9B (90 亿参数), 27B (270 亿参数)
核心特点：
- 性能飞跃： 在推理速度、准确性和安全性方面全面提升，特别是 27B 版本在多个基准测试中与更大规模的竞品模型持平甚至超越。
- 多模态支持： 引入了对多模态输入（图像+文本）的理解能力，尤其是在视觉问答和图像描述任务上表现突出。
- 超长上下文： 支持高达 128K tokens 的上下文窗口，能够处理极长的文档、代码库或对话历史。
- 新型架构： 采用了全新的架构设计，提高了推理效率和吞吐量。
- 许可变更： 采用更宽松的 Apache 2.0 许可，极大地便利了商业和研究使用。

1.3.3 Gemma 3 (展望与当前理解)

根据您的描述，Gemma 3 可能是指最新版本的模型，其中包含了 12B/27B 等规模，以及 128K 上下文和多模态能力。这实际上与 Gemma 2 的描述高度重合。在 Google 官方文档中，通常直接称之为 "Gemma models" 或 "Gemma 2", 而不严格区分 "Gemma 3"。我们目前将 12B/27B 视为 Gemma 家族中最新的高性能模型，它们继承并发展了 Gemma 2 的优秀特性。

Gemma 模型家族关键特性一览表：

特性	描述
模型规模	1B, 4B (Gemma 1.1/2.0), 9B, 27B (Gemma 2.0)
架构基础	基于 Gemini 技术，Transformer 架构
多模态	支持 (Gemma 2.0 及其后续版本)，可处理图像和文本输入
上下文窗口	高达 128K tokens (Gemma 2.0 及其后续版本)，能够处理超长文本
推理优化	针对 CPU、GPU、TPU 等多种硬件进行了优化，支持量化 (e.g., 4-bit)
部署选项	Ollama, Hugging Face, JAX, Vertex AI, Google Kubernetes Engine (GKE) 等
微调支持	支持 LoRA/QLoRA 等高效微调技术
安全与伦理	继承 Google 负责任 AI 原则，内置安全过滤器，提供模型卡片 (Model Card) 详细说明
许可协议	Apache 2.0 (Gemma 2.0 及其后续版本)，允许商业使用

1.4 参数规模选择指南：1B/4B/12B/27B

Gemma 提供了从 1B 到 27B 的多种参数规模，以适应不同的硬件环境和应用需求。选择合适的模型至关重要。

1.4.1 模型参数与性能/资源关系