新智元報道

編輯：定慧

【新智元導(dǎo)讀】谷歌這波像開了「大小號雙修」：前腳用Gemini把大模型戰(zhàn)場攪翻，后腳甩出兩位端側(cè)「師兄弟」：一個走復(fù)古硬核架構(gòu)回歸，一個專職教AI「別光會聊，趕緊去干活」。手機(jī)里的智能體中樞，要開始卷起來了。

谷歌是真的底蘊(yùn)深厚啊～

剛剛在「大模型」領(lǐng)域用Gemini 3 Pro?Flash重挫了OpenAI銳氣后，馬不停蹄繼續(xù)在端側(cè)「小模型」發(fā)力！

昨天夜里，一口氣又放出新的兩個技術(shù)博客，全是和端側(cè)相關(guān)的。

一個是T5Gemma 2，一個專門的底層架構(gòu)創(chuàng)新，首個多模態(tài)長上下文碼器-解碼器模型開源，最小是270M–270M。

另一個是FunctionGemma，專為函數(shù)調(diào)用優(yōu)化的270M（2.7億參數(shù)）模型，可在手機(jī)、瀏覽器及其他設(shè)備上運(yùn)行。

左右滑動查看

T5Gemma 2和FunctionGemma都來自Gemma 3家族，相對于Gemini這種「大模型」，Gemma就是「小模型」。

這兩個雖然都是小模型，但是他們的關(guān)系有點(diǎn)類似同門師兄弟，但專攻方向不同。

T5Gemma 2專注于架構(gòu)效率與多模態(tài)（Encoder-Decoder架構(gòu)回歸）。

而FunctionGemma專注于智能體與工具使用（Function Calling能力）。

T5Gemma 2和現(xiàn)在流行的LLM的架構(gòu)不同，可以理解為AI技術(shù)領(lǐng)域「另一條路」。

論文地址：https://arxiv.org/pdf/2512.14856

谷歌開源了T5Gemma 2：270M–270M、1B–1B以及4B–4B三種規(guī)模的預(yù)訓(xùn)練模型。

開源地址：https://huggingface.co/collections/google/t5gemma-2

FunctionGemma則是技能變體，它是對模型「技能」的專項訓(xùn)練。

有點(diǎn)類似把一個大模型里所有知識類的能力都剝離掉，只保留針對性的函數(shù)調(diào)用功能。

開源地址：https://blog.google/technology/developers/functiongemma/

T5Gemma系列深層技術(shù)解析

先看下T5Gemma 2這種「新結(jié)構(gòu)」的優(yōu)勢：

• 強(qiáng)大的多模態(tài)性能：在多個基準(zhǔn)測試中超越谷歌自己的Gemma 3。

• 全面提升的通用能力：在代碼、推理和多語言 等任務(wù)上，T5Gemma 2整體上優(yōu)于對應(yīng)規(guī)模的Gemma 3模型。

• 卓越的長上下文能力：相較于Gemma 3和第一代T5Gemma，在生成質(zhì)量上取得了顯著提升。

與T5Gemma類似，T5Gemma 2在預(yù)訓(xùn)練階段的性能或超過Gemma 3對應(yīng)體量模型，而在后訓(xùn)練階段則取得了顯著更優(yōu)的表現(xiàn)。

左右滑動查看

想要理解為什么谷歌要搞T5Gemma，就需要看看目前大模型技術(shù)路線演變的核心脈絡(luò)。

T5Gemma算得上是大模型領(lǐng)域的「古典主義復(fù)興」。

在當(dāng)今GPT、Llama等Decoder-only（僅解碼器）架構(gòu)占主導(dǎo)的時代，T5Gemma 2是對經(jīng)典Transformer架構(gòu)中Encoder-Decoder（編碼器-解碼器）路線的回歸與現(xiàn)代化改造。

我們現(xiàn)在熟知的GPT、Gemini、DeepSeek都是Decoder-only（僅解碼器）架構(gòu)。

• GPT系列（OpenAI）：從GPT-1到現(xiàn)在的GPT-4o，全是Decoder-only。

• DeepSeek：無論是DeepSeek-V2還是最新的V3，核心都是Decoder-only（結(jié)合了MoE混合專家技術(shù)）。

• Llama（Meta）：它是目前開源界Decoder-only的標(biāo)桿。

• Gemini（谷歌）：主線模型（Pro/Flash）主要是Decoder-only。

目前叫得上名字的、用來「聊天」的超級模型，幾乎清一色全是Decoder-only。

為什么說T5Gemma 2是「回歸」？

這就要說到Transformer的分家史。

要理解「回歸」，得先看它們當(dāng)初是怎么「分家」的。

2017年谷歌發(fā)布《Attention Is All You Need》論文提出Transformer時，祖師爺原本是Encoder-Decoder（編碼器-解碼器）全套架構(gòu)。

但后來，家族分成了三個流派：

流派A：Encoder-only（只用編碼器）

代表人物：BERT。

特長：只能「讀」，不能「寫」。它極其擅長做選擇題、分類、情感分析，但你讓它寫作文，它憋不出來。

流派B：Decoder-only（只用解碼器）

代表人物：GPT。

特長：只能「猜下一個字」。雖然它看上文不如Encoder那么全面（只能看左邊，不能看右邊），但它天生會說話，而且人們發(fā)現(xiàn)只要把這玩意兒做得足夠大，它居然產(chǎn)生了智能（涌現(xiàn)）。

也就是「意外的」開啟了我們這個AI時代（笑。

流派C：Encoder-Decoder（全套保留）

代表人物：T5（谷歌），BART。

特長：既能讀又能寫。也就是現(xiàn)在的T5Gemma 2所在的流派。

T5的全稱是Text-to-Text Transfer Transformer，連著5個T，所以叫T5。

那為什么Decoder-only（GPT流派）后來一統(tǒng)天下了？

1. 訓(xùn)練簡單粗暴：

   只需要把網(wǎng)上的海量文字扔進(jìn)去，讓它不停預(yù)測下一個字就行（自監(jiān)督學(xué)習(xí)）。

2. 上限極高：

   也就是Scaling Law（縮放定律）。人們發(fā)現(xiàn)Decoder-only模型越做越大，智商提升得最明顯，而且工程上更容易堆算力。

3. Encoder-Decoder被冷落：

   因為它結(jié)構(gòu)復(fù)雜（有兩套參數(shù)），訓(xùn)練起來比Decoder-only稍微麻煩點(diǎn)，且在做超大模型（千億參數(shù)）時，性價比似乎不如純Decoder那么極致。

所以也只有財大氣粗的谷歌能有精力回歸這個經(jīng)典模型，繼續(xù)投入搞研發(fā)。

谷歌在全世界都瘋狂卷Decoder-only的時候，突然殺了個回馬槍。

既然Decoder-only這么強(qiáng)，為什么要改回Encoder-Decoder？

因為谷歌發(fā)現(xiàn)了Decoder-only的幾個死穴，而這些死穴正好是Encoder-Decoder的強(qiáng)項：

「幻覺」問題（瞎編）：

Decoder-only（GPT）

是邊寫邊想，有時候?qū)戉肆司褪詹蛔?，容易一本正?jīng)胡說八道。

Encoder-Decoder（T5）

是「先讀懂（Encoder）-再動筆（Decoder）」。

Encoder會強(qiáng)迫模型先把你的輸入徹底消化一遍，生成一個完整的「中心思想向量」，然后再讓Decoder翻譯出來。

這種機(jī)制天生更嚴(yán)謹(jǐn)，幻覺更少。

在多模態(tài)方面的天然優(yōu)勢：

你要讓模型看圖，Encoder（編碼器）是最好的「眼睛」。

T5Gemma 2可以直接把圖像信號喂給Encoder，這比強(qiáng)行塞給Decoder-only處理要順暢得多。

端側(cè)效率（手機(jī)上跑）：

在手機(jī)這種算力有限的地方，如果你只是做翻譯、摘要、指令執(zhí)行，Encoder-Decoder往往能用更少的參數(shù)（更小的顯存）達(dá)到和巨大Decoder-only模型一樣的效果。

T5Gemma 2的出現(xiàn)，不是要推翻GPT，而是在特定領(lǐng)域（比如手機(jī)端、翻譯、工具調(diào)用、嚴(yán)謹(jǐn)推理）復(fù)興了Encoder-Decoder架構(gòu)。

谷歌并未從零開始訓(xùn)練T5Gemma，而是采用了一種被稱為「模型適配」（Model Adaptation）的高效技術(shù)。

該技術(shù)的核心在于利用已經(jīng)過數(shù)萬億標(biāo)記訓(xùn)練的Gemma 2或Gemma 3解碼器模型作為種子，將其權(quán)重映射到新的編碼器-解碼器結(jié)構(gòu)中。

這種做法極大地降低了計算成本，同時讓模型能夠繼承原有的語言理解能力。

FunctionGemma：智能體的專用大腦

如果T5Gemma是從底層架構(gòu)的創(chuàng)新，那么FunctionGemma就是從功能實現(xiàn)上的創(chuàng)新。

FunctionGemma是為了解決大模型落地中最痛的點(diǎn)——「不僅要能聊，還要能干活」而設(shè)計的。

FunctionCalling（函數(shù)調(diào)用）：普通模型在被要求「定個鬧鐘」或「查天氣」時，往往只能瞎編。FunctionGemma經(jīng)過專門的微調(diào)，能夠精準(zhǔn)地輸出結(jié)構(gòu)化的數(shù)據(jù)（如JSON），去調(diào)用外部的API或工具。

Agent（智能體）優(yōu)化：它是為AIAgent設(shè)計的，擅長多步驟推理和執(zhí)行任務(wù)。

極致輕量化：這意味它可以直接跑在手機(jī)、甚至更低功耗的邊緣設(shè)備上，作為系統(tǒng)的「控制中樞」。

適用場景：手機(jī)語音助手、家庭自動化控制、端側(cè)AI Agent、API調(diào)度中心。

FunctionGemma并非僅僅是Gemma家族的一個「縮小版」，而是一個專門設(shè)計的「神經(jīng)路由器」，旨在解決云端大模型在延遲、隱私和成本上的固有缺陷。

從對話到行動的范式躍遷

在過去的一年中，大語言模型（LLM）的發(fā)展主要集中在提升模型的對話能力、知識廣度以及多模態(tài)理解力上。

然而，隨著應(yīng)用場景的深入，開發(fā)者社區(qū)最迫切的需求已從「能聊天的AI」轉(zhuǎn)向「能干活的AI」。

這種從「對話式接口」向「主動體」的轉(zhuǎn)變，要求模型不僅要理解自然語言，還要能精準(zhǔn)地操作軟件接口、執(zhí)行多步工作流并與物理世界交互。

FunctionGemma的推出正是為了響應(yīng)這一需求。

作為Gemma 3家族中最小的成員，它拋棄了通用知識的廣度，換取了對函數(shù)調(diào)用（Function Calling）這一特定任務(wù)的極致優(yōu)化。

這種「特種兵」式的模型設(shè)計思路，代表了AI工程化的一個新方向：即通過模型的小型化和專業(yè)化，將智能下沉至網(wǎng)絡(luò)的邊緣——用戶的手機(jī)、IoT設(shè)備乃至瀏覽器中。

FunctionGemma之所以能在極小的參數(shù)規(guī)模下實現(xiàn)高性能的函數(shù)調(diào)用，依賴于其獨(dú)特的架構(gòu)設(shè)計和訓(xùn)練策略。

它不是通過簡單的壓縮得到的，而是基于Gemma 3架構(gòu)進(jìn)行了針對性的「壓縮」，專注于句法結(jié)構(gòu)的精確性和邏輯判斷的確定性。

FunctionGemma擁有2.7億（270M）參數(shù)。

在當(dāng)今動輒數(shù)千億參數(shù)的模型時代，這一數(shù)字顯得微不足道，連「大模型」零頭都不到，但其設(shè)計哲學(xué)卻極具顛覆性。

通常模型的推理能力隨著參數(shù)量的增加而涌現(xiàn)（Scaling Laws）。

然而，F(xiàn)unctionGemma打破了這一常規(guī)，證明了在特定領(lǐng)域（Domain-Specific），小模型可以通過高質(zhì)量數(shù)據(jù)的微調(diào)達(dá)到甚至超越大模型的表現(xiàn)。

雖然官方未披露具體的蒸餾細(xì)節(jié)，但270M的規(guī)模暗示了大量的通用世界知識被剔除。

模型不再需要知道「法國的首都是哪里」或「莎士比亞的生平」，它只需要知道如何解析JSON、如何匹配函數(shù)簽名以及如何處理參數(shù)類型。

發(fā)力移動端

「在手機(jī)上能運(yùn)行嗎？」這是用戶最關(guān)心的問題。

答案不僅是肯定的，而且FunctionGemma正是為此而生。

在移動設(shè)備上，隨機(jī)存取存儲器（RAM）是最寶貴的資源。

Android系統(tǒng)的低內(nèi)存查殺機(jī)制會毫不留情地關(guān)閉占用內(nèi)存過大的后臺進(jìn)程。

FunctionGemma 270M在FP16精度下的權(quán)重大小約為540MB。

對于擁有8GB或12GB內(nèi)存、甚至24GB的現(xiàn)代Android旗艦機(jī)，這僅占總內(nèi)存的5%-7%，完全可以在后臺常駐。

Int8/Int4（量化）：為了進(jìn)一步降低功耗和內(nèi)存占用，端側(cè)部署通常使用量化技術(shù)。

Int8量化：模型大小降至約270MB。

Int4量化：模型大小降至約135MB。

這意味著它可以在入門級設(shè)備甚至嵌入式設(shè)備上流暢運(yùn)行。

谷歌為何要發(fā)布這樣一個「小」模型？

這背后隱藏著其對未來AI計算架構(gòu)的深刻思考，以及在移動操作系統(tǒng)控制權(quán)爭奪戰(zhàn)中的防御性布局。

這是FunctionGemma最核心的戰(zhàn)略價值。

在當(dāng)前的AI應(yīng)用中，將所有請求都發(fā)送到云端大模型既昂貴又緩慢。

移動互聯(lián)網(wǎng)的下一個階段

移動互聯(lián)網(wǎng)的下一個階段是意圖驅(qū)動（Intent-Driven）的。

意圖驅(qū)動（Intent-Driven），用戶不再通過點(diǎn)擊圖標(biāo)打開APP，而是直接表達(dá)意圖。

現(xiàn)狀：Siri和谷歌Assistant，以及類似手機(jī)助手長期以來受限于硬編碼的指令集，只能通過特定接口調(diào)用APP的有限功能。

FunctionGemma通過讓模型直接學(xué)習(xí)APP的API定義，F(xiàn)unctionGemma試圖讓AI成為通用的UI。

開發(fā)者只需要暴露工具（Tools），F(xiàn)unctionGemma就能理解并操作這些工具。

谷歌的野心是通過開源FunctionGemma，谷歌實際上是在制定一套AI與APP交互的標(biāo)準(zhǔn)協(xié)議。

如果所有Android開發(fā)者都按照FunctionGemma的格式定義工具，那么谷歌的Android系統(tǒng)將成為世界上最強(qiáng)大的智能體平臺，進(jìn)一步加深其護(hù)城河。

為了驗證FunctionGemma的能力，谷歌提供了兩個典型的參考實現(xiàn)，展示了其在游戲和系統(tǒng)控制領(lǐng)域的潛力。

場景描述：用戶用自然語言發(fā)出指令，模型將其轉(zhuǎn)換為Android系統(tǒng)意圖。

技術(shù)細(xì)節(jié)：

• 多參數(shù)提取：用戶說「給John發(fā)郵件說我遲到了」，模型提取recipient="John"，body="我遲到了"，action="send_email"。

• 歧義處理：如果用戶只說「發(fā)郵件」，模型可能會調(diào)用ask_clarification函數(shù)，反問用戶「發(fā)給誰？」。這種多輪對話能力是硬編碼助手無法比擬的。

性能對比：經(jīng)微調(diào)的FunctionGemma在此任務(wù)上的準(zhǔn)確率達(dá)到85%，遠(yuǎn)超未微調(diào)的基座模型（58%）。這證明了在端側(cè)垂直領(lǐng)域，小模型完全可以替代大模型。

「Tiny Garden」這個Demo展示了FunctionGemma如何驅(qū)動游戲邏輯。

場景：一個語音控制的種田游戲。用戶說「在頂排種滿向日葵，然后給它們澆水」。

任務(wù)分解（TaskDecomposition）：模型不僅要識別意圖，還要進(jìn)行邏輯推理。它需要將這一句話拆解為一系列函數(shù)調(diào)用：

1. select_crop（type="sunflower"）

2. plant（row=0，col=0）...plant（row=0，col=N）

3. water（row=0）

完全離線：整個過程無需聯(lián)網(wǎng)，這對于手游體驗至關(guān)重要，因為網(wǎng)絡(luò)延遲會導(dǎo)致游戲操作的不流暢。

對于開發(fā)者而言，F(xiàn)unctionGemma提供了一種低成本、高隱私的方案，將Agent能力集成到普通APP中，無需昂貴的服務(wù)器開銷。它使得「語音控制一切」不再是巨頭的專利，而是每個APP都能擁有的標(biāo)準(zhǔn)功能。

對于手機(jī)廠商而言，270M的參數(shù)量是完美的「甜點(diǎn)」——它既能利用現(xiàn)有的NPU硬件，又不會過度擠占系統(tǒng)資源，為打造「AI原生OS」提供了理想的地基。

對于谷歌而言，這是其在AI時代捍衛(wèi)Android生態(tài)控制權(quán)的關(guān)鍵一步。

未來，可以預(yù)見，基于FunctionGemma的變體將無處不在：在你的智能手表里處理健康數(shù)據(jù)，在你的路由器里優(yōu)化網(wǎng)絡(luò)設(shè)置，甚至在你的汽車?yán)镎{(diào)節(jié)空調(diào)溫度。

AI將不再是一個需要「訪問」的網(wǎng)站，而是一種像電力一樣，無形卻無處不在的基礎(chǔ)設(shè)施。

參考資料：

https://blog.google/technology/developers/functiongemma/

https://blog.google/technology/developers/t5gemma-2/

秒追ASI

?點(diǎn)贊、轉(zhuǎn)發(fā)、在看一鍵三連?

點(diǎn)亮星標(biāo)，鎖定新智元極速推送！