Dwa. Model multimodalny, który mieści się w pięciu gigabajtach, schodzi z chmury
Google DeepMind udostępnił wariant swojego otwartego modelu Gemma 4 E4B poddany treningowi świadomemu kwantyzacji, czyli przygotowany od początku do pracy w niższej precyzji zapisu liczb. Plik wag, obsługiwany przez popularne narzędzia lokalne, zajmuje pięć i piętnaście setnych gigabajta i zachowuje jakość zbliżoną do pełnej wersji. Model ma około czterech i pół miliarda parametrów efektywnych, przyjmuje tekst, obraz i dźwięk oraz obsługuje okno kontekstu do stu dwudziestu ośmiu tysięcy tokenów. Google utrzymuje, że bije on znacznie większy model Gemma 3 o dwudziestu siedmiu miliardach parametrów w testach wiedzy, matematyki, programowania i nauki, a całość trafia na licencji Apache dwa zero. Rzecz jest ważniejsza, niż sugeruje rozmiar: rozumowanie multimodalne na tym poziomie wymagało dotąd albo chmury, albo sprzętu, na który niewiele firm może sobie pozwolić, a taki model sprowadza koszt krańcowy wielu zadań niemal do zera i nie wypuszcza danych poza urządzenie. Sam producent dodaje jednak zastrzeżenie, które ginie w doniesieniach: pięć gigabajtów to wyłącznie plik wag, bez buforów działania i pamięci kontekstu, więc pełne okno na telefonie pozostaje teorią, a wyniki benchmarków są autodeklaracją Google, nie niezależnym pomiarem.