در گوگل، ما متعهد هستیم که توانمندترین مدل‌های هوش مصنوعی را مستقیماً به دستگاه‌های اندرویدی موجود در جیب شما بیاوریم. امروز، مفتخریم که انتشار جدیدترین مدل متن‌باز پیشرفته خود را اعلام کنیم: Gemma 4 .

این مدل‌ها پایه و اساس نسل بعدی Gemini Nano هستند، بنابراین کدی که امروز برای Gemma 4 می‌نویسید، به طور خودکار روی دستگاه‌های سازگار با Gemini Nano 4 که اواخر امسال عرضه می‌شوند، کار خواهد کرد. با Gemini Nano 4، از بهینه‌سازی‌های عملکرد اضافی ما بهره‌مند خواهید شد تا بتوانید با کارآمدترین استنتاج روی دستگاه، محصول خود را در سراسر اکوسیستم اندروید به مرحله تولید برسانید.

شما می‌توانید همین امروز از طریق پیش‌نمایش توسعه‌دهندگان AICore به این مدل دسترسی زودهنگام داشته باشید.

مدل Gemini Nano 4 Fast را در رابط کاربری پیش‌نمایش توسعه‌دهندگان انتخاب کنید تا قبل از نوشتن هرگونه کد، سرعت استنتاج فوق‌العاده سریع آن را در عمل مشاهده کنید.

از آنجا که Gemma 4 به طور بومی از بیش از ۱۴۰ زبان پشتیبانی می‌کند، می‌توانید انتظار تجربه‌های محلی‌سازی شده و چندزبانه بهبود یافته‌ای را برای مخاطبان جهانی خود داشته باشید. علاوه بر این، Gemma 4 عملکرد پیشرو در صنعت را با درک چندوجهی ارائه می‌دهد و به برنامه‌های شما اجازه می‌دهد متن، تصاویر و صدا را درک و پردازش کنند. برای ارائه بهترین تعادل بین عملکرد و کارایی، Gemma 4 در اندروید در دو اندازه ارائه می‌شود:

• E4B: برای قدرت استدلال بالاتر و کارهای پیچیده طراحی شده است.
• E2B: برای حداکثر سرعت (۳ برابر سریع‌تر از مدل E4B!) و تأخیر کمتر بهینه شده است.

مدل جدید تا ۴ برابر سریع‌تر از نسخه‌های قبلی است و تا ۶۰٪ باتری کمتری مصرف می‌کند. از امروز می‌توانید قابلیت‌های بهبود یافته از جمله موارد زیر را آزمایش کنید:

• استدلال: اکنون می‌توان انتظار داشت که دستورات زنجیره فکری و عبارات شرطی نتایج با کیفیت بالاتری را برگردانند. برای مثال: «تعیین کنید که آیا نظر زیر برای یک بحث، با دستورالعمل‌های انجمن مطابقت دارد یا خیر. اگر نظر شامل یک یا چند مورد از این دلایل باشد، با دستورالعمل‌های انجمن مطابقت ندارد: ناسزا، زبان تحقیرآمیز، سخنان نفرت‌انگیز». اگر بررسی با دستورالعمل‌های انجمن مطابقت داشته باشد، {true} را برگردانید. در غیر این صورت، {false, reason_for_flag} را برگردانید.»
• ریاضی: با مهارت‌های ریاضی بهتر، مدل اکنون می‌تواند با دقت بیشتری به سؤالات پاسخ دهد. برای مثال: «اگر سالانه ۲۶ چک حقوقی دریافت کنم، برای رسیدن به هدف پس‌انداز ۱۰،۰۰۰ دلار در طول یک سال، باید در هر چک حقوقی چقدر کمک کنم؟»
• درک زمان: این مدل اکنون در استدلال در مورد زمان توانمندتر است و آن را برای موارد استفاده‌ای که شامل تقویم‌ها، یادآوری‌ها و زنگ‌های هشدار هستند، دقیق‌تر می‌کند. به عنوان مثال: "این رویداد ساعت 6 بعد از ظهر 18 آگوست است و یک یادآوری باید 10 ساعت قبل از رویداد ارسال شود. زمان و تاریخی را که یادآوری باید ارسال شود، برگردانید."
• درک تصویر: مواردی که شامل OCR (تشخیص نوری کاراکتر) می‌شوند - مانند درک نمودار، استخراج داده‌های بصری و تشخیص دست‌خط - اکنون نتایج دقیق‌تری را ارائه می‌دهند.

همین امروز به پیش‌نمایش توسعه‌دهندگان بپیوندید تا این مدل‌ها را در مدل‌های پیش‌نمایش دانلود کنید و ساخت ویژگی‌های نسل بعدی را از همین حالا شروع کنید.

شروع آزمایش مدل

شما می‌توانید با دنبال کردن راهنمای پیش‌نمایش توسعه‌دهندگان ، مدل را بدون کدنویسی امتحان کنید. اگر می‌خواهید مستقیماً به سراغ ادغام این مدل‌ها با گردش کار موجود خود بروید، ما این کار را بدون مشکل انجام داده‌ایم. برای اصلاح اعلان خود و ساخت با API آشنای ML Kit Prompt به اندروید استودیو بروید. ما قابلیت جدیدی برای تعیین مدل معرفی کرده‌ایم که به شما امکان می‌دهد انواع E2B (سریع) یا E4B (کامل) را برای آزمایش هدف قرار دهید.

  // Define the configuration with a specific track and preference
val previewFullConfig = generationConfig {
    modelConfig = ModelConfig {
        releaseTrack = ModelReleaseTrack.PREVIEW
        preference = ModelPreference.FULL
    }
}

// Initialize the GenerativeModel with the configuration
val previewModel = GenerativeModel.getClient(previewFullConfig)

// Verify that the specific preview model is available
val previewModelStatus = previewModel.checkStatus()
if (previewModelStatus == FeatureStatus.AVAILABLE) {
    // Proceed with inference
    val response = previewModel.generateContent("If I get 26 paychecks per year, how much I should contribute each paycheck to reach my savings goal of $10k over the course of a year? Return only the amount.")

} else {
    // Handle the case where the preview model is not available
    // (e.g., print out log statements)
}

چه انتظاراتی در طول پیش‌نمایش توسعه‌دهندگان باید داشت؟

هدف از این پیش‌نمایش توسعه‌دهندگان، ارائه یک پیش‌زمینه برای بهبود دقت اعلان‌ها و بررسی موارد استفاده جدید برای برنامه‌های خاص شما است.

ما در طول دوره پیش‌نمایش، به‌روزرسانی‌های متعددی از جمله پشتیبانی از فراخوانی ابزار، خروجی ساختاریافته، اعلان‌های سیستم و حالت تفکر در Prompt API را انجام خواهیم داد که استفاده کامل از قابلیت‌های جدید در Gemma 4 و همچنین بهینه‌سازی‌های قابل توجه عملکرد را آسان‌تر می‌کند.

مدل‌های پیش‌نمایش برای آزمایش روی دستگاه‌های دارای قابلیت AICore در دسترس هستند. این مدل‌ها روی آخرین نسل شتاب‌دهنده‌های تخصصی هوش مصنوعی از گوگل، مدیاتک و کوالکام اجرا خواهند شد. در سایر دستگاه‌ها، مدل‌ها در ابتدا روی پیاده‌سازی CPU اجرا می‌شوند که نشان‌دهنده عملکرد نهایی تولید نیست. اگر دستگاه شما دارای قابلیت AICore نیست، می‌توانید این مدل‌ها را از طریق برنامه AI Edge Gallery نیز آزمایش کنید. ما در آینده پشتیبانی از دستگاه‌های بیشتری را ارائه خواهیم داد.

چگونه شروع کنیم

آماده‌اید ببینید Gemma 4 چه کارهایی می‌تواند برای کاربران شما انجام دهد؟

1. ثبت‌نام: برای پیش‌نمایش توسعه‌دهندگان AICore ثبت‌نام کنید.
2. دانلود: پس از انتخاب، می‌توانید دانلود جدیدترین مدل‌های Gemma 4 را مستقیماً روی دستگاه آزمایشی پشتیبانی‌شده خود آغاز کنید.
3. ساخت: پیاده‌سازی کیت یادگیری ماشین خود را به‌روزرسانی کنید تا مدل‌های جدید را هدف قرار دهد و ساخت را در اندروید استودیو شروع کنید.