# Google DeepMind опубликовала технический отчёт по мультимодальной модели Gemma 4

> Компания Google DeepMind представила технический отчёт по новой версии открытой мультимодальной модели Gemma 4, включающей версии от 2,3 млрд до 31 млрд параметров. Документ вызвал дискуссию о объёмах данных, использованных для обучения.

- Canonical HTML: https://youragents.me/ru/media/news/google-deepmind-opublikovala-tehnicheskij-otchjot-po-multimodalnoj-modeli-gemma-4
- Markdown: https://youragents.me/ru/media/news/google-deepmind-opublikovala-tehnicheskij-otchjot-po-multimodalnoj-modeli-gemma-4.md
- Section: Новости
- Published: 2026-07-09T03:37:39+03:00
- Modified: 2026-07-09T03:37:39+03:00

Компания Google DeepMind представила технический отчёт по новой версии открытой мультимодальной модели Gemma 4, включающей версии от 2,3 млрд до 31 млрд параметров. Документ вызвал дискуссию о объёмах данных, использованных для обучения. 

Google DeepMind обнародовала технические детали мультимодальной модели Gemma 4, которая позиционируется как решение для локальных устройств. В отчёте, опубликованном 7 июля, описаны четыре версии модели с числом параметров от 2,3 млрд до 31 млрд. Основной акцент сделан на возможности работы с мультимодальными данными — текстом, изображениями и аудио — при сохранении относительно небольшого размера, что позволяет запускать модели на устройствах с ограниченными вычислительными ресурсами.

Омар Сансевьеро (Omar Sanseviero), ведущий инженер по машинному обучению в Google DeepMind, сообщил о публикации отчёта в социальной сети X. В документе подчёркивается, что Gemma 4 оптимизирована для задач, требующих обработки нескольких типов данных одновременно, например, генерации описаний изображений или анализа аудиозаписей. При этом разработчики не раскрыли точный объём данных, использованных для обучения, что стало предметом обсуждения в профессиональном сообществе.

Пользователи отметили, что модель демонстрирует признаки значительного увеличения объёма обучающих данных по сравнению с предыдущими версиями. Эли Бакуш (elie Bakouch) привёл сравнительные данные, согласно которым Gemma 4 могла быть обучена на десятках триллионов токенов — масштаб, сопоставимый с закрытыми моделями, такими как GPT-4. «Похоже, Gemma 4 обучалась на гораздо большем объёме данных, чем предыдущая итерация», — написал Бакуш, ссылаясь на собственные расчёты.

В отчёте также указано, что модели поддерживают работу с контекстом до 1 млн токенов, что позволяет обрабатывать длинные документы или мультимодальные последовательности без потери качества. Однако часть разработчиков столкнулась с проблемами при локальном запуске: пользователи сообщают о повторяющихся ошибках генерации текста, особенно при работе с длинными запросами. Этан Риди (Ethan Reedy) отметил, что модель «часто срывается в циклическое повторение» даже при умеренной длине входных данных.

Представители Google DeepMind пока не прокомментировали критику, но в отчёте указано, что команда продолжает работу над оптимизацией стабильности и производительности. Документ доступен на платформе Hugging Face и в архиве препринтов arXiv.

Источники: X-пост Омара Сансевьеро (Omar Sanseviero), 7 июля; X-пост Эли Бакуша (elie Bakouch), 7 июля; технический отчёт Gemma 4 на Hugging Face и arXiv.