Arsip  

Gemma 4: AI Open-Weight Google Kalahkan Model Lebih Besar

Google DeepMind luncurkan Gemma 4, keluarga model AI open-source 4 varian berlisensi Apache 2.0 yang mengungguli model lebih besar di Arena AI leaderboard.

Google DeepMind merilis Gemma 4 pada Rabu ini, keluarga model AI open-weight generasi terbaru yang dibangun di atas fondasi riset dan teknologi yang sama dengan Gemini 3.
Google DeepMind merilis Gemma 4 pada Rabu ini, keluarga model AI open-weight generasi terbaru yang dibangun di atas fondasi riset dan teknologi yang sama dengan Gemini 3.

Google DeepMind Luncurkan Gemma 4, Tantang Dominasi Model AI China di Papan Peringkat Global

INFO TEKNO> Google DeepMind merilis Gemma 4 pada Rabu ini, keluarga model AI open-weight generasi terbaru yang dibangun di atas fondasi riset dan teknologi yang sama dengan Gemini 3. Peluncuran ini menandai eskalasi signifikan dalam persaingan model terbuka antara laboratorium AI berbasis Amerika Serikat melawan rival asal Tiongkok, khususnya DeepSeek dan Qwen besutan Alibaba.

Empat Varian, Satu Lisensi Permisif

Gemma 4 hadir dalam empat ukuran model yang menargetkan spektrum kebutuhan komputasi yang luas:

  • Effective 2B (E2B)
  • Effective 4B (E4B)
  • 26B Mixture of Experts (MoE)
  • 31B Dense

Seluruh varian berlisensi Apache 2.0, skema lisensi yang memberikan developer kontrol penuh atas deployment dan modifikasi, termasuk untuk keperluan komersial.

Performa Melampaui Ukurannya

Model Dense 31B, varian terbesar dalam keluarga ini, meraih peringkat ketiga pada leaderboard teks Arena AI — mengalahkan model-model yang jauh lebih besar secara parameter. Ini bukan pencapaian kecil.

Baca Juga  Apple Rilis iOS 26.4 dan iPadOS 26.4, Fokus Keamanan Data dan Integrasi AI

Dalam kategori open-source di leaderboard yang sama, model-model China selama ini menguasai posisi puncak. Kehadiran Gemma 4 menjadikannya entri paling kompetitif dari laboratorium berbasis AS dalam beberapa waktu terakhir.

Model MoE 26B dan Dense 31B dirancang untuk berjalan pada satu unit GPU Nvidia H100 80GB, menghadirkan apa yang digambarkan Google sebagai kemampuan tingkat frontier dengan overhead perangkat keras yang jauh lebih sedikit. Efisiensi ini menjadi argumen utama adopsi enterprise.

Target Perangkat: Dari Server hingga Raspberry Pi

Segmentasi produk Gemma 4 terbilang agresif. Model E2B dan E4B yang lebih kecil diarahkan untuk perangkat mobile, IoT, dan edge computing — termasuk Raspberry Pi dan Jetson Nano.

Keempat model mendukung input multimodal: video, gambar, audio, dan teks diproses dalam satu pipeline. Kapabilitas tambahan mencakup alur kerja agentic, function-calling, instruksi sistem native, dan pembuatan kode. Pelatihan dilakukan pada lebih dari 140 bahasa, dengan jendela konteks yang lebih panjang dibandingkan generasi Gemma sebelumnya.

Baca Juga  Cara Daftar InterLink Network: Panduan Lengkap untuk Akses Cepat ke Ekosistem Web3

Ekosistem yang Sudah Matang

Google mencatat Gemma telah diunduh lebih dari 400 juta kali, dengan komunitas yang telah menghasilkan lebih dari 100.000 varian turunan. Angka ini bukan sekadar metrik adopsi — ini sinyal bahwa ekosistem fine-tuning sudah beroperasi di skala industri.

Di antara implementasi nyata yang disoroti Google: model bahasa yang diprioritaskan untuk bahasa Bulgaria, serta model Cell2Sentence-Scale dari Yale University yang dimanfaatkan untuk penelitian kanker.

Petunjuk Sebelum Rilis

Tanda-tanda peluncuran beredar beberapa hari lebih awal. CEO Google DeepMind Demis Hassabis memposting empat emoji berlian di platform X. Logan Kilpatrick, yang memimpin Google AI Studio dan Gemini API, hanya memposting satu kata: “Gemma”.

Di LMSYS Chatbot Arena, sebuah model anonim yang menamai dirinya “significant-otter” muncul dan mengidentifikasi dirinya sebagai Gemma 4 ketika diminta pengguna.

Baca Juga  Off-Page SEO: Panduan Lengkap Strategi Optimasi di Luar Halaman

Aksesibilitas dan Platform

Gemma 4 tersedia melalui sejumlah kanal:

  • Google AI Studio — untuk model 31B dan 26B
  • Google AI Edge Gallery — untuk varian E2B dan E4B
  • Hugging Face, Nvidia NIM, Ollama, dan Docker — untuk deployment komunitas dan enterprise

Model-model ini dioptimalkan untuk GPU Nvidia, GPU AMD, dan Google Cloud TPU.

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *