Google Gemma 4: Karakteristike i tehničke specifikacije, deo 2

Prvi deo teksta je OVDE

Da li nam je zaista potrebna ogromna računarska snaga u oblaku da bismo pristupili "frontier" nivou inteligencije? Dugo smo verovali da najnaprednije mogućnosti rezonovanja zahtevaju masivne serverske farme, ali Google DeepMindova Gemma 4 porodica modela iz korena menja to pravilo igre. Ovi modeli su dizajnirani da isporuče vrhunske performanse u svakoj veličini, donoseći moćnu logiku i multimodalnost direktno na tvoj lokalni uređaj. Bilo da si developer, istraživač ili tech entuzijasta, Gemma 4 je odgovor na pitanje kako AI može biti istovremeno beskompromisno moćan i lokalno dostupan.

Skok u performansama: Od hobiste do "Master" ranga na Codeforcesu

Napredak koji Gemma 4 donosi nije samo inkrementalan – on je monumentalan, posebno u domenima koda i logike. Najbolji primer ovog skoka vidimo u Codeforces ELO rejtingu. Dok je prethodna generacija, Gemma 3 27B, imala skromnih 110 poena, novi Gemma 4 31B dostiže neverovatnih 2150 ELO poena. Za one koji nisu u takmičarskom programiranju, ovo nije samo "dobar" rezultat – to je rang Master ili International Master na Codeforces platformi.

Dodatno, na AIME 2026 benchmarku (prestižno takmičenje iz matematike), model je bez korišćenja eksternih alata postigao 89.2%. Ovaj nivo logičke preciznosti na lokalnoj mašini dramatično skraćuje vreme potrebno za debug-ovanje i arhitekturalno planiranje softvera.

Technical Note: Da biste replicirali ove rezultate u svom razvojnom okruženju, preporučena standardna konfiguracija semplovanja je: Temperature 1.0, Top_P 0.95, i Top_K 64.

Arhitekturalna promena: Model koji (konačno) razmišlja pre nego što odgovori

Gemma 4 uvodi "Thinking Mode" koji radikalno menja način na koji AI obrađuje upite. Ovo nije samo marketinški trik; to je fundamentalna promena u načinu na koji model procesira informaciju putem novog <|think|> tokena.

Kada je ovaj mod aktiviran, model generiše unutrašnje rezonovanje unutar <|channel>thought tagova pre nego što isporuči finalni odgovor.

"Gemma 4 modeli su dizajnirani kao visoko sposobni rezoneri, sa konfigurabilnim modovima razmišljanja. Ovo omogućava transparentnost procesa razmišljanja koja je ključna za poverenje u AI sisteme."

Pro-tip za developere: Budite oprezni pri parsiranju. Kod modela 26B i 31B, čak i kada je "thinking" isključen, model će i dalje generisati prazne tagove (<|channel>thought\n<channel|>). Osigurajte da vaši parseri to uzmu u obzir kako ne bi došlo do grešaka u prikazu finalnog odgovora.

Dense vs. MoE: Frontier inteligencija uz minimalnu latenciju

Google DeepMind nudi različite arhitekture kako bi se Gemma 4 prilagodila svakom hardveru. Ključna inovacija je u 26B A4B (Mixture-of-Experts) modelu.

• 31B Dense: Maksimalna snaga sa 30.7 milijardi parametara.
• 26B A4B (MoE): Poseduje 25.2 milijarde ukupnih parametara, ali koristi samo 3.8 milijardi aktivnih parametara po tokenu.

Zašto je ovo važno? MoE arhitektura omogućava da model zadrži bazu znanja i inteligenciju modela od 26B, ali uz brzinu (latenciju) modela od 4B. To je "sweet spot" za lokalni deployment – dobijate vrhunsku pamet bez čekanja da se svaki token generiše "večno" na vašem GPU-u.

Multimodalnost i "vizuelni budžet"

Gemma 4 je od starta multimodalna, ali sa važnom razlikom u podršci:

• 31B i 26B modeli podržavaju tekst i slike.
• Manji "E" modeli (E2B i E4B) podržavaju tekst, slike i audio.

Posebno je koristan sistem varijabilne rezolucije putem "vizuelnog budžeta" tokena, koji vam omogućava da balansirate između brzine i preciznosti:

• 70, 140, 280 tokena: Idealno za brzo titlovanje slika ili video razumevanje.
• 560, 1120 tokena: Neophodno za precizan OCR, čitanje sitnog teksta ili kompleksno parsiranje dokumenata.

Zlatno pravilo za promptovanje: Za optimalne performanse, uvek postavite vizuelni ili audio sadržaj PRE tekstualnog upita u svom promptu.

Kontekstualni prozor koji menja pravila igre

Zaboravite na ograničenja memorije. Gemma 4 donosi ogroman prostor za vaše podatke:

• Mali modeli (E2B, E4B): 128K tokena.
• Srednji i veći modeli (26B, 31B): Čak 256K tokena.

Sa prozorom od 256K, možete učitati cele repozitorijume koda ili stotine stranica tehničke dokumentacije direktno u lokalni model. Analiza dugih dokumenata više nije rezervisana za cloud gigante; sada se dešava na vašem laptopu, uz punu privatnost.

Nova era lokalne inteligencije

Gemma 4 porodica modela briše granicu između onoga što smo smatrali "cloud inteligencijom" i onoga što vaš lokalni hardver može da postigne. Ovi modeli su optimizovani za on-device rad, donoseći vrhunski rezoning tamo gde je on najpotrebniji – u vaše ruke.

Ako vaš lokalni model sada može da nadmaši GPT-4 nivo inteligencije bez internet konekcije, da li je era masivnih cloud modela gotova? Budućnost je lokalna, privatna i neverovatno pametna. I upravo je postala dostupna svima.

Izvor: ollama