Google presenta Gemma 4: Modelos de IA abiertos más inteligentes hasta la fecha
Google ha anunciado el lanzamiento de Gemma 4, una nueva familia de modelos de inteligencia artificial de código abierto diseñados para un razonamiento avanzado y flujos de trabajo basados en agentes. Estos modelos, que ofrecen un nivel de inteligencia sin precedentes por parámetro, ya están disponibles bajo una licencia Apache 2.0, fomentando la innovación y la colaboración en la comunidad de desarrolladores.
Desde su lanzamiento inicial, los modelos Gemma han sido descargados más de 400 millones de veces, dando lugar a un ecosistema vibrante de más de 100.000 variantes. Gemma 4 se basa en este impulso, ofreciendo capacidades mejoradas y accesibilidad para impulsar los límites de la IA.
Construidos con la misma investigación y tecnología de vanguardia que Gemini 3, los modelos Gemma 4 son los más capaces que se pueden ejecutar en hardware propio. Complementan los modelos Gemini de Google, proporcionando a los desarrolladores una combinación potente de herramientas tanto abiertas como propietarias.
La familia Gemma 4 se presenta en cuatro tamaños versátiles: Effective 2B (E2B), Effective 4B (E4B), 26B Mixture of Experts (MoE) y 31B Dense. Estos modelos van más allá del simple chat, abordando lógica compleja y flujos de trabajo basados en agentes. El modelo de 31B se posiciona actualmente como el tercer modelo abierto más destacado en el ranking de texto de Arena AI, mientras que el modelo de 26B ocupa el sexto lugar.
Optimización para NVIDIA y capacidades multimodales
Google ha colaborado con NVIDIA para optimizar Gemma 4 para GPUs NVIDIA, permitiendo un rendimiento eficiente en una variedad de sistemas, desde implementaciones en centros de datos hasta PCs con NVIDIA RTX, la supercomputadora personal DGX Spark de NVIDIA y los módulos de IA perimetral NVIDIA Jetson Orin Nano. NVIDIA destaca que Gemma 4 permite llevar capacidades de IA avanzadas al borde, impulsando aplicaciones en tiempo real y con contexto local.
Gemma 4 también ofrece capacidades multimodales, incluyendo el reconocimiento de objetos, el reconocimiento automático del habla y la inteligencia de documentos o videos. Además, soporta la entrada multimodal intercalada, permitiendo mezclar texto e imágenes en cualquier orden dentro de una única solicitud. También ofrece soporte nativo para más de 35 idiomas, con preentrenamiento en más de 140 idiomas.
Estos nuevos modelos son capaces de:
- Razonamiento: Fuerte rendimiento en tareas complejas de resolución de problemas.
- Codificación: Generación y depuración de código para flujos de trabajo de desarrolladores.
- Agentes: Soporte nativo para el uso estructurado de herramientas (llamadas a funciones).
- Capacidades de Visión, Video y Audio: Permite interacciones multimodales enriquecidas.
