撰稿丨诺亚

兵贵神速。在大模型的必争之地，谷歌却总是慢人一步，因而屡屡被调侃“起了大早，赶个晚集”。但昨日，谷歌却突放大招，发布了一款开放模型——Gemma，并声称其是轻量级中“最先进的”开放模型系列，超越了原本最强的Mistral 7B。

这款以拉丁语“宝石”命名的模型在此时推出颇有意味。其一，据谷歌官网介绍，Gemma采用了与创建Gemini模型相同的研究和技术。但相较封闭的Gemini，Gemma的开放无疑会吸引更多人；其二，此前早有消息传出，Meta可能于近期发布其Llama开源模型系列的最新版本，谷歌先声夺人，有了攻守易形的味道。

那么Gemma到底表现如何？其“开放”又开放到何种程度？对于开源大模型的未来发展又会产生哪些影响？我们逐一道来。

Gemma出世：从个人PC到谷歌云，皆可运行

目前，Gemma开放模型分为两个版本大小，分别为“Gemma 2B”和“Gemma 7B”，即20亿参数和70亿参数，以满足开发人员的不同需求。两个版本均提供预训练模型及指令调优变体。

用户现在即可通过Kaggle、Colab和谷歌云访问，还可以选择Hugging Face Transformers等多个框架对Gemma进行推理和微调。

此外，首次使用谷歌云的用户可以获得300美元的信用额度。研究人员还可以申请高达50万美元的谷歌云信用额度，以加速他们的项目进度。

那么，Gemma模型是否可以像开源模型Llama2、Mistral等那样本地下载并运行呢？对于这一疑问，开发团队成员也给出了肯定的回答。

“除了支持Python神经网络框架和ggml作为选项外，我们还提供了一个独立的C++实现版本，您可以在https://github.com/google/gemma.cpp 下载并在本地运行。”

为更好地支持开发者创新，谷歌同时提供了与模型配套的“负责任生成式AI工具包”。该工具包包含关键工具，用于指导和支持开发者利用Gemma构建更安全的人工智能应用。   

根据谷歌官方的博客，另外一些值得关注的关键细节包括：

• Gemma通过原生Keras 3.0，在所有主要框架（JAX、PyTorch 和 TensorFlow）中提供用于推理和监督微调 （SFT） 的工具链。

• 此次发布还包括即用型的Colab和Kaggle笔记本，以及与Hugging Face、MaxText、NVIDIA NeMo、TensorRT-LLM等流行工具的集成。

• 经过预训练和指令优化的 Gemma 模型能够在各种平台上运行，从笔记本电脑、工作站到谷歌云，还可以轻松部署在Vertex AI和Google Kubernetes Engine（GKE）上。

• 针对NVIDIA GPU和Google Cloud TPU进行了优化，以便实现行业领先的性能表现。

• 使用条款允许所有组织（无论规模大小）进行负责任的商业使用和分发。

整体来看，Gemma的发布节奏紧随Gemini 1.5。后者的上下文窗口容量扩展至100万个tokens。短短一周，Gemini Ultra 1.0、Gemini 1.5 Pro、Gemma次第登场，如此快速的发布周期，不禁让人对谷歌的技术进步速度和产品策略更为关注。

多项性能基准测试：超越Llama2，捶打Mistral 7B

谷歌号称Gemma具备“同等规模下最领先的性能”，甚至“Gemma 在关键基准上明显超越了更大的模型”。这一说法的根据在于，Gemma在多个基准测试中超越了Llama 2。

图源：谷歌博客

如上图所示，包括MMLU、HellaSwag以及HumanEval等在内的重要评估标准上，Gemma都取得了比Llama 2更优秀的成绩。

深度学习框架Keras的作者、谷歌人工智能研究员François Chollet 在X上贴出了更详细的对比图。

图源：https://twitter.com/fchollet

以MMLU（大规模多任务语言理解）为例，如图所示，Gemma 7B的表现不仅超越了Llama 7B、Llama 13B，还打败了当红炸子鸡Mistral 7B。

此外，在专门的技术报告里，Gemma 7B在与同等规模开放模型的语言理解和生成性能比较中，谷歌针对不同能力进行了评估。通过将标准学术基准测试按照各自的能力类别，分为问答、推理、数学/科学、编码四组，并计算了相应得分的平均值。

图源：谷歌技术报告

可以看到，在数学/科学、编码这两组，Gemma 7B优势较为明显；在推理方面，Gemma 7B险胜；在问答方面，Gemma 7B则略逊于Llama 13B。

谷歌官方博文将Gemma在性能方面的出色在表现归因于：“Gemma 模型与 Gemini 共享技术和基础设施组件，Gemini 是我们目前广泛使用的最大、功能最强大的 AI 模型。与其他开放式型号相比，这使得 Gemma 2B 和 7B 能够在其尺寸上实现一流的性能。Gemma 能够直接在开发人员笔记本电脑或台式计算机上运行。值得注意的是，Gemma 在关键基准上明显超越了更大的模型，同时遵守我们对安全和负责任输出的严格标准。”

“开放模型”：开源，又不完全开源

Gemma的发布引起了不少讨论。开发者们普遍关注到了这样一个问题：Gemma作为一个开放模型，似乎并未采用真正意义上的“开源”许可。

“尽管被称为‘开源’，但Gemma模型的权重实际上是根据一个与开源定义不相符的许可协议发布的。它与源代码可用软件有更多的共同点，因此应当将其称为“权重可用模型”。这意味着用户可以访问和使用模型的权重文件，但可能受到限制，并不符合传统开源许可下的自由分发和修改原则。”

那么这类开放模型的“开放”指的到底是什么，又开放到什么程度？

众所周知，Mistral模型的权重是根据Apache 2.0许可协议发布的，这意味着它们遵循开源原则。但Meta领衔的Llama 2模型的权重则是通过一个专有许可发布，该许可采用了非常有针对性的授权：如果月活用户数超过 7 亿，企业必须从 Meta 申请许可证，而 Meta 会对此类授权进行严格设限，这也就意味着亚马逊、苹果、谷歌、字节跳动等大公司是受限的。   

有Llama 2的前车之鉴，因此不少人质疑Gemma的开放性。而谷歌在这方面的措辞是：“使用条款允许所有组织（无论规模大小）进行负责任的商业使用和分发。”

有人猜测：这是谷歌为了避免重蹈覆辙，受到Llama 2许可中类似这种局限性条款的影响而采取的谨慎做法。

显而易见的是，AI领域内对于“开放性”的理解和实践存在显著分歧。部分项目虽然标榜“开源”，但实际上却对使用者施加了特定的限制。这种做法可能出于知识产权保护、市场竞争策略以及避免技术滥用等方面的考量，但也引发了关于如何定义和实施真正开放共享的讨论。

有意思的是，谷歌在发布Gemma的同时，于其开源博客发布了一篇题为《在Gemini时代负责任地构建开放模型》的文章。文中提到，开源许可证赋予了用户完全的创作自主权。这是开发人员和最终用户获得技术的有力保证。但是在恶意行为者手中，缺乏限制可能会增加风险。

在这样的背景下，“真正的开放性和透明度，特别是涉及训练代码、数据集以及不受限制地访问和使用模型资源等方面，仍是当前AI社区需要努力实现的目标”。

谷歌将Gemma 模型作为“开放模型”发布，意味着什么呢？“开放模型可以免费访问模型权重，但使用条款、重新分发和变体所有权因模型的特定使用条款而异，这些条款可能不基于开源许可证。”

“Gemma 模型的使用条款使其免费提供给个人开发人员、研究人员和商业用户访问和重新分发。用户还可以自由创建和发布模型变体。在使用 Gemma 模型时，开发人员同意避免有害使用，这反映了我们致力于负责任地开发 AI，同时增加对这项技术的访问。”

谷歌表示，“开源”的定义对于计算和创新来说是无价的。然而，现有的开源概念并不总是直接应用于人工智能系统，这引发了如何将开源许可证与人工智能一起使用的问题。“重要的是，我们要发扬开放原则，这些原则使我们在人工智能方面所经历的巨变成为可能，同时澄清了开源人工智能的概念，并解决了衍生作品和作者归属等概念。”

参考链接：

https://blog.google/technology/developers/gemma-open-models/

https://twitter.com/fchollet

https://storage.googleapis.com/deepmind-media/gemma/gemma-report.pdf

https://news.ycombinator.com/item?id=39453271

https://opensource.googleblog.com/2024/02/building-open-models-responsibly-gemini-era.html

取代JavaScript不成后谋新路！谷歌主导Dart升级，为生成式AI铺路