Google 發表開源模型 Gemma，主打端側與資源有限環境
Google DeepMind 於2024年2月21日發表開源模型系列 Gemma，提供 2B 與 7B 兩種規模，以 Gemini 研究技術為基礎打造，鎖定可在本地端、資源有限環境部署的輕量化應用。
2024年2月21日，Google DeepMind 正式發表開源模型系列 Gemma，提供 2B（20億參數）與 7B（70億參數）兩種規模，供開發者與研究者免費下載、微調與部署。Google 表示 Gemma 是以打造 Gemini 系列模型的同一套研究與技術為基礎精簡而成，並同步釋出經過指令調校（instruction-tuned）與預訓練（pretrained）兩種版本，搭配負責任 AI 工具包（Responsible Generative AI Toolkit）與跨框架的技術支援，包括 JAX、PyTorch、TensorFlow，並可直接在 Kaggle、Colab、Vertex AI 上取用。
技術意義：把「輕量化」做成可落地的選項
Gemma 的重點不在追求最大參數量，而是鎖定「能在單一 GPU、甚至筆電或行動裝置上跑」的規模。Google 公布的評測顯示，7B 版本在多項語言理解、推理與程式碼生成基準上，優於同量級的開源模型（如 Llama 2 7B、13B）。對開發者而言，這代表不必仰賴龐大雲端算力，就能在本地端或私有環境部署一套具備一定水準的語言模型，特別適合對資料隱私敏感、或需要離線運作的場景。
與競品比較：開源賽道再添重量級玩家
Gemma 的發表，讓 Google 正式加入 Meta（Llama 2）、Mistral AI 等既有開源陣營的競爭。與 Llama 2 的授權相比，Google 這次採用允許商業使用的授權條款，但仍保留部分使用限制與責任條款。業界普遍將此舉解讀為 Google 一方面回應開源社群對「閉源大廠壟斷」的批評，另一方面也是為了擴大 Gemini 生態系的影響力——透過釋出輕量模型，讓更多開發者熟悉 Google 的模型架構與工具鏈，進而增加日後升級使用 Gemini 付費 API 的機會。
業界反應：開發者社群關注授權與效能雙重指標
Gemma 發表後，開發者社群（如 Hugging Face、Reddit 相關討論）迅速展開實測，討論焦點集中在兩點：一是實際跑分是否如官方宣稱優於 Llama 2；二是授權條款是否真正對商用友善（例如是否有訂閱門檻或使用量限制）。多數初步反應正面，認為 Google 釋出的技術支援文件與工具鏈完整度高，降低了企業導入的門檻，但也有聲音提醒，開源「模型權重」不等於「完全透明」，訓練資料與方法仍未公開。
對管理者而言，Gemma 的意義不在於立即導入複雜的自建 AI 系統，而是多一個「低成本試驗」的選項：若企業內部有 IT 或工程資源，可考慮讓技術團隊評估用 Gemma 7B 在內部文件整理、客服初篩、品質檢驗輔助等場景做小規模概念驗證，先確認是否符合資料不外流、成本可控的需求，再決定要不要投入更完整的 AI 導入計畫。