作者 | ZeR0
编辑 | 漠影

智东西6月28日报道，昨晚，谷歌在I/O Connect大会上放大招，公布其新一代最强开源模型——Gemma 2。

Gemma 2有90亿（9B）和270亿（27B）两种参数规模可用。27B模型训练了13T tokens，9B是8T tokens，都拥有8192上下文窗口，可在Google AI Studio中使用。26亿参数（2.6B）模型将很快发布，小到可以在手机本地运行。

在盲测大语言模型竞技场LMSYS Chatbot Arena中，270亿参数的Gemma 2指令微调模型击败了拥有700亿参数的Llama 3，并超过Nemotron 4 340B、Claude 3 Sonnet、Command R+、Qwen 72B等模型，在所有开源权重的模型中位列第一；9B模型则是当前15B以下参数的模型中成绩最好的。

谷歌在今年早些时候推出轻量级先进开源模型Gemma，只有2B和7B参数版本，下载量超过1000万次。Gemma 2涵盖从20亿到270亿参数，比第一代性能更高、推理效率更高，并且显著改进安全性。这是该系列模型迈出的一大步。

270亿参数的Gemma 2提供了与两倍以上参数的模型竞争的替代方案，提供了直到去年12月才可能实现的性能，而且可以在单个英伟达A100/H100 Tensor Core GPU或TPU主机上以全精度高效运行推理，大大降低了部署成本。

在Hugging Face的基准上，谷歌将Gemma 2 27B与具有类似尺寸的Qwen1.5 32B进行了比较，还报告了Llama 3 70B的性能。Gemma 2 27B的尺寸只有Llama 3 70B的40%，训练数据少到Llama 3 70B的2/3。结果显示，Gemma 2 27B优于Qwen1.5 32B，比Llama 3 70B低几个百分点。

一、重新设计架构，Gemma 2有三大特点

Gemma 2的技术报告共15页，介绍了其架构的多项技术改进，包括交替使用局部-全局注意力机制和分组查询注意力，还使用知识蒸馏而不是下一个token预测来帮助训练较小的2B和9B模型。

▲Gemma模型的参数量

2.6B模型在一个TPUv5e集群的2x16x16配置上训练，总共用了512张芯片。9B模型在TPUv4集群的8x16x32配置上训练，总共4096张芯片。27B模型在TPUv5p集群的8x24x32配置上训练，总共用了6144张芯片。

▲用切分训练基础设施

针对更高的性能和推理效率，谷歌在重新设计的架构上构建了Gemma 2。该模型采用与Gemma 1.1相似的算法配方，但用了更多的teacher监督并执行了模型合并。在编程、数学、推理、安全等能力上，Gemma 2都比1.1版本提升显著。

▲主要模型参数及设计选择的概述

结果，Gemma 2模型在其规模上提供了最佳性能，甚至提供了与大2-3倍的模型竞争的替代方案。以下是其突出的特点：

（1）卓越性能：Gemma 2 27B在其同类大小中提供了最佳性能，甚至提供了与两倍以上大小的模型竞争的替代方案。Gemma 2 9B模型也提供了领先的性能，超过了Llama 3 8B和其他同类大小的开源模型。

谷歌在各种基准上比较2.6B、9B及27B模型，报告了可以与Llama 3进行比较的8个基准测试的平均性能，以及所有基准测试的平均性能。Llama 3 8B的数据来自HuggingFace leaderboard或其博客。

在MMLU上，9B模型得分为71.3，27B模型为75.2；在AGIEval上，9B模型得分52.8，27B模型得分55.1；在HumanEval上，9B模型得分40.2，27B模型得分51.8。

（2）无与伦比的效率和成本节省：Gemma 2 27B模型设计用于在单个谷歌云TPU主机、英伟达A100 80GB Tensor Core GPU或H100 Tensor Core GPU上高效运行全精度推理，在保持高性能的同时显著降低成本。这使得AI部署更加易于访问和经济实惠。

（3）跨硬件的快速推理：Gemma 2经过优化，可以在各种硬件上以令人难以置信的速度运行，硬件从功能强大的游戏笔记本电脑和高端台式机到基于云的设置。在Google AI Studio中以全精度试用Gemma 2，在CPU上使用Gemma.cpp的量化版本解锁本地性能，或在家用计算机上通过Hugging Face Transformers在英伟达RTX或GeForce RTX上试用。

二、支持商业化，兼容广泛框架，方便部署

Gemma 2为开发者和研究人员构建，其设计更容易集成到工作流程中：

（1）开放且可访问：与原始Gemma模型一样，Gemma 2也是根据谷歌具有商业友好的Gemma许可发布的，允许开发人员和研究人员分享和商业化他们的创新。

（2）广泛的框架兼容性：Gemma 2兼容主要的AI框架，如Hugging Face Transformers，以及通过原生Keras 3.0、vLLM、Gemma.cpp、Llama.cpp和Ollama的JAX、PyTorch和TensorFlow。此外，Gemma优化了英伟达TensorRT-LLM以在英伟达加速基础设施上运行或作为英伟达NIM推理微服务运行。用户可以使用Keras和Hugging Face进行微调。谷歌正在积极努力实现更多参数高效的微调选项。

（3）轻松部署：从下个月开始，谷歌云客户将能轻松在Vertex AI上部署和管理Gemma 2。

新的Gemma Cookbook是一个包含实用示例和指南的集合，引导用户构建自己的应用程序并为特定任务微调Gemma 2模型。

三、提供负责任的AI开发资源，严格测试评估模型安全性

在负责任的AI开发方面，谷歌提供负责任地构建和部署AI所需的资源，包括负责任的生成式AI工具包。最近开源的LLM Comparator帮助开发者和研究人员深入评估语言模型。

即日起，用户可使用配套的Python库与自己的模型和数据进行比较评估，并在应用程序中可视化结果。此外，谷歌正在积极致力于开源文本水印技术SynthID，用于Gemma模型。

在训练Gemma 2时，谷歌遵循内部安全流程，过滤了训练前的数据，并针对一套全面的指标进行了严格的测试和评估，以识别和减轻潜在的偏见和风险。谷歌在与安全性和代表性危害相关的大量公共基准上公布了其结果。

▲Gemma 2 IT模型和Gemma 1.1 IT模型的安全学术基准结果

结语：大模型研发趋于实用主义

谷歌Gemma 2的研究进展反映了当前大模型研究趋势，即探索用更轻量级的、更实用的模型来实现更强的性能，并确保易部署，以更好地满足不同的用户需求。

谷歌为开发者和研究人员提供了使用这些模型的多种途径。Gemma 2现可在Google AI Studio中使用，可在没有硬件要求的情况下测试其270亿参数的全部性能，也可以从Kaggle和Hugging Face Models下载Gemma 2的模型权重，Vertex AI Model Garden即将推出。

通过Gemma 2，谷歌证明了蒸馏是训练此类模型的有效方法，基于输出概率的训练能够比纯粹的下一个token预测产生更多的效果。模型仍存在局限性，需要未来研究来持续优化事实性、对抗性攻击的鲁棒性以及推理和一致性。

为支持研究和开发，Gemma 2还可通过Kaggle免费获得，或通过Colab笔记本的免费层获得。首次使用谷歌云服务的用户可能有资格获得300美元的积分。学术研究人员可以申请Gemma 2学术研究计划，以获得谷歌云积分，加速对Gemma 2的研究。申请截止日期为8月9日。

来源：谷歌DeepMind