6 hasil
4 SEP. 2025 / Gemma
Memperkenalkan EmbeddingGemma: model sematan baru yang dirancang untuk aplikasi AI yang efisien di perangkat dari Google. Model terbuka ini merupakan model sematan multibahasa khusus teks dengan peringkat tertinggi di bawah parameter 500M pada tolok ukur MTEB, memungkinkan fitur kuat seperti RAG dan penelusuran semantik secara langsung di perangkat seluler tanpa koneksi internet.
14 AGU 2025 / Gemma
Gemma 3 270M baru dari Google adalah model rapat dengan 270 juta parameter yang menawarkan efisiensi energi, kuantisasi siap produksi, dan mengikuti petunjuk dengan taat, menjadikannya solusi hebat untuk penyempurnaan khusus tugas dalam setelan di perangkat dan penelitian.
26 JUNI 2025 / Gemma
Model Gemma 3n telah sepenuhnya dirilis, melanjutkan kesuksesan model Gemma sebelumnya dan menghadirkan kemampuan multimodal canggih langsung di perangkat edge dengan performa luar biasa. Jelajahi inovasi Gemma 3n, termasuk arsitektur yang mengutamakan seluler, teknologi MatFormer, Per-Layer Embeddings, KV Cache Sharing, dan audio serta enkoder visi MobileNet-V5 yang baru, dan pelajari bagaimana developer bisa mulai membangun dengan Gemma 3n sekarang juga.
20 MEI 2025 / Gemma
Gemma 3n adalah model terbuka termutakhir yang dirancang untuk AI multimodal yang cepat di perangkat. Model ini menghadirkan performa yang dioptimalkan, fleksibilitas unik dengan model 2-in-1, dan pemahaman multimodal yang diperluas dengan audio sehingga memampukan developer untuk membangun aplikasi interaktif secara langsung dan pengalaman audio-sentris tercanggih.
20 MEI 2025 / AI Edge
Kemajuan Google AI Edge, termasuk model Gemma 3 baru, dukungan model yang lebih luas, serta fitur seperti RAG dan Panggilan Fungsi di perangkat untuk meningkatkan kemampuan AI generatif di perangkat.
20 MEI 2025 / AI Edge
LiteRT telah ditingkatkan untuk memacu performa dan efisiensi model AI di perangkat seluler dengan memanfaatkan GPU dan NPU secara efektif, kini membutuhkan kode yang jauh lebih sedikit, memungkinkan pemilihan akselerator hardware yang disederhanakan, dan lebih banyak lagi untuk performa yang optimal di perangkat.
