前言

時隔一年，Google 終於再度推出新一代開源模型~

支援文字和影像輸入(E4B、E2B 多支援音訊)，並首次引入 MoE 架構，而且 license 改成商業上較為寬鬆的 Apache 2.0 授權，

在 Arena AI 文本排行榜(開源模型)上，31B 排全球第三、26B 排全球第六。

重點介紹

✨ Agent 能力：原生支援 function-calling、結構化 JSON 輸出、system 角色，對於現今最流行的自主 Agent 能更好支援。
✨ 影像和音訊：所有模型都原生支援「影像和視訊」輸入，支援多種分辨率 (對於 OCR、圖表識別 任務更出色)。E2B 和 E4B 型號還具備原生音訊輸入。
✨ 推理能力：能夠進行多步驟規劃和深度邏輯推理，因此在數學和指令遵循基準測試中顯著進步，並且可調整思考模式。
✨ Coding 能力：在 Coding 基準測試取得了顯著改進。
✨ 增大 Context Length：31B 和 26B 為 256K；E4B 和 E2B 為 128K。
✨ 140 多種語言：原生支援 140 多種語言。
✨ Apache 2.0 授權

[31B 和 26B 模型]

• 參數量：30.7B (Dense) 和 25.2B (MoE 架構，4B active)
  • 26B 的 Expert 數量：8 active / 128 total and 1 shared
• 輸入類型：文字、圖像
• Context Length：256K tokens

[E4B 和 E2B 模型]
針對邊緣設備最佳化，例如在行動裝置或筆記型電腦上運行。

• 參數量：4.5B effective (8B with embeddings) 和 2.3B effective (5.1B with embeddings)
• 輸入類型：文字、圖像、音訊
• Context Length：128K tokens

結語

趕緊來試試看~

對生成式 AI 感興趣的讀者，記得追蹤 FB 粉專『 IT空間 』，以免錯過最新的發文通知呦~🔔

參考：
Google 官方部落格介紹
Ollama
Hugging Face
Hugging Face 的測試文章

在你沒有成功之前，沒有任何人會理解你。

—— 比爾·蓋茲