Chi si ricorda di Google Gemma? Uscita a febbraio, la “sorellina gemella” di Gemini era già promettente al suo lancio. Ora però non esiste più solo Gemma. Nel nuovo potenziamento da parte di Big G sono state da poco rilasciate due nuove versioni potenziate: CodeGemma e RecurrentGemma.
Vediamo come funzionano, e cosa cambiano rispetto alla versione di base.
Google Gemma ritorna in due nuove versioni potenziate
Intanto facciamo un riassunto di cosa sia Google Gemma. Rilasciata il 23 febbraio in due versioni, sono “modelli a pesi aperti” (open weights models). In pratica si possono sviluppare personali modelli AI, se non vere e proprie applicazioni a base di intelligenza artificiale.
Con le due nuove versioni, per sviluppatori e amanti della programmazione, l’AI di Google diventa ancora più particolare.
CodeGemma
Dietro CodeGemma c’è una raccolta di modelli AI potenti e al tempo stesso leggeri, che possono eseguire diverse attività di programmazione. Disponibile in tre varianti, come sviluppatore si potrà accedere a una versione:
- preaddestrata all’avanguardia da 2 miliardi, per completare i codici fino in maniera 2 volte più veloce rispetto a prima;
- preaddestrata da 7 miliardi di token, per il completamento e la generazione del codice da prefissi e/o suffissi di codice;
- ottimizzata da 7 miliardi di token, per le istruzioni per chat mediante linguaggio naturale.
Praticamente con CodeGemma si potranno completare righe e funzioni e persino generare interi blocchi di codice, sia che si lavori in locale sia che si utilizzino le risorse Google Cloud.
E con un addestramento generale su 500 miliardi di token di dati (principalmente in lingua inglese), i modelli di CodeGemma generano codici ancora più precisi, grazie alla riduzione degli errori e dei tempi di debug. Sempre supportando codici di programmazione come Python, JavaScript, Java, Kotlin, C++, C#, Rust, Go e tanti altri.
RecurrentGemma
Modello aperto basato su Griffin, RecurrentGemma è adatto per una varietà di attività di generazione di testi, tra cui la risposta alle domande, il riepilogo e il ragionamento. Tuttavia, l’esclusiva architettura di RecurrentGemma offre i seguenti vantaggi aggiuntivi:
- inferiori requisiti di memoria per generare campioni più lunghi su dispositivi con memoria limitata (es. GPU singole o CPU);
- esecuzione di inferenza a dimensioni più elevate in batch (in pratica può generare molti più token al secondo);
- adattabilità alle prestazioni dei due modelli principali di Gemma, con meno memoria e con un’inferenza più rapida.
