What is Gemma 4 and what are its key advancements for AI deployment?

Gemma 4 represents the latest generation of multimodal and multilingual AI models from Google, designed for broad deployment across the entire NVIDIA hardware spectrum, from powerful Blackwell data centers to compact Jetson edge devices. Its key advancements include significantly improved efficiency and accuracy, making it suitable for diverse tasks like complex problem-solving, code generation, and agent tool use. These models boast rich multimodal capabilities, supporting interleaved text and images, and are pre-trained on over 140 languages. This versatility and scalability address the growing demand for local, secure, cost-efficient, and low-latency AI applications, pushing intelligence closer to the source of data and action.

How does Gemma 4 facilitate on-device and edge AI deployments, and which NVIDIA platforms support it?

Gemma 4 is specifically optimized to enable robust on-device and edge AI deployments, crucial for applications requiring low latency, enhanced privacy, and reduced operational costs. NVIDIA's comprehensive suite of client and edge systems—including RTX GPUs, DGX Spark, and Jetson devices—provides the necessary flexibility and performance. For instance, Jetson platforms support Gemma 4 E2B and E4B variants for multimodal inference on power-constrained embedded systems, while RTX GPUs offer optimized performance for local inference on desktops. Collaborations with vLLM, Ollama, llama.cpp, and Unsloth ensure efficient local deployment experiences across these diverse platforms, empowering developers to integrate advanced AI directly into their applications and devices.

What role do NVIDIA DGX Spark and NIM play in developing and deploying Gemma 4 models for enterprises?

NVIDIA DGX Spark provides a powerful platform for AI developers and enthusiasts to prototype and build secure, agentic AI workflows with Gemma 4. Featuring GB10 Grace Blackwell Superchips and 128 GB of unified memory, DGX Spark enables efficient running of even the largest Gemma 4 models with BF16 weights, maintaining private and secure on-device execution. The vLLM inference engine on DGX Spark further optimizes LLM serving for high throughput. For production deployment, NVIDIA NIM offers prepackaged and optimized microservices, providing a secure, self-hosted solution for enterprises with an NVIDIA Enterprise License. A hosted NIM API is also available in the NVIDIA API catalog for initial prototyping.

How can developers fine-tune Gemma 4 models for specific domain data, and what tools are available?

Developers can customize Gemma 4 models with their unique domain data using the NVIDIA NeMo framework, particularly the NeMo Automodel library. This powerful tool combines the ease of use of native PyTorch with optimized performance, allowing for efficient fine-tuning. Techniques such as supervised fine-tuning (SFT) and memory-efficient LoRA (Low-Rank Adaptation) can be applied directly to Gemma 4 model checkpoints available on Hugging Face, eliminating the need for cumbersome conversions. This enables day-zero fine-tuning, ensuring models are highly relevant and accurate for specialized applications and datasets, enhancing their utility across various industry verticals.

What are the commercial licensing terms for Gemma 4 models, and how accessible are they to developers?

Gemma 4 models are made highly accessible to developers and enterprises through the commercial-friendly Apache 2.0 license. This open-source license allows for broad use, modification, and distribution of the models, facilitating their integration into various commercial products and services without restrictive licensing fees. Furthermore, NVIDIA ensures wide availability across its entire AI platform, from Blackwell data centers to Jetson edge devices. Developers can get started immediately by accessing model checkpoints on Hugging Face, utilizing NVIDIA's extensive documentation and tutorials, and leveraging tools like vLLM, Ollama, and NeMo for deployment and customization, making advanced AI readily available for innovation.

Gemma 4: گسترش هوش مصنوعی از مراکز داده تا لبه با NVIDIA

title: "Gemma 4: گسترش هوش مصنوعی از مراکز داده تا لبه با NVIDIA" slug: "bringing-ai-closer-to-the-edge-and-on-device-with-gemma-4" date: "2026-04-05" lang: "fa" source: "https://developer.nvidia.com/blog/bringing-ai-closer-to-the-edge-and-on-device-with-gemma-4/" category: "مدل‌های هوش مصنوعی" keywords:

Gemma 4
NVIDIA
هوش مصنوعی لبه (Edge AI)
هوش مصنوعی روی دستگاه
هوش مصنوعی چندوجهی
مدل‌های زبان بزرگ (LLMs)
استقرار هوش مصنوعی
Blackwell
Jetson
RTX
vLLM
NeMo meta_description: "با Gemma 4، مدل‌های هوش مصنوعی چندوجهی و چندزبانه NVIDIA آشنا شوید که برای استقرار یکپارچه از مراکز داده Blackwell تا دستگاه‌های لبه Jetson طراحی شده‌اند و برنامه‌های امن و با تأخیر کم را تقویت می‌کنند." image: "/images/articles/bringing-ai-closer-to-the-edge-and-on-device-with-gemma-4.png" image_alt: "مدل‌های Gemma 4 NVIDIA که هوش مصنوعی را در دستگاه‌های لبه و مراکز داده فعال می‌کنند" quality_score: 94 content_score: 93 seo_score: 95 companies:
NVIDIA schema_type: "NewsArticle" reading_time: 5 faq:
question: "Gemma 4 چیست و پیشرفت‌های کلیدی آن برای استقرار هوش مصنوعی کدامند؟" answer: "Gemma 4 آخرین نسل از مدل‌های هوش مصنوعی چندوجهی و چندزبانه از Google است که برای استقرار گسترده در کل طیف سخت‌افزاری NVIDIA، از مراکز داده قدرتمند Blackwell تا دستگاه‌های لبه فشرده Jetson، طراحی شده است. پیشرفت‌های کلیدی آن شامل بهبود قابل توجه کارایی و دقت است که آن را برای کارهای متنوعی مانند حل مسائل پیچیده، تولید کد و استفاده از ابزارهای عامل مناسب می‌سازد. این مدل‌ها دارای قابلیت‌های چندوجهی غنی هستند، از متن و تصاویر در هم آمیخته پشتیبانی می‌کنند و بر روی بیش از 140 زبان پیش‌آموزش دیده‌اند. این تطبیق‌پذیری و مقیاس‌پذیری، تقاضای رو به رشد برای برنامه‌های هوش مصنوعی محلی، امن، مقرون‌به‌صرفه و با تأخیر کم را برآورده می‌کند و هوش را به منبع داده و عمل نزدیک‌تر می‌کند."
question: "Gemma 4 چگونه استقرار هوش مصنوعی روی دستگاه و لبه را تسهیل می‌کند و کدام پلتفرم‌های NVIDIA از آن پشتیبانی می‌کنند؟" answer: "Gemma 4 به طور خاص برای فعال کردن استقرار قوی هوش مصنوعی روی دستگاه و لبه بهینه‌سازی شده است که برای برنامه‌هایی که نیاز به تأخیر کم، حفظ حریم خصوصی پیشرفته و کاهش هزینه‌های عملیاتی دارند، حیاتی است. مجموعه جامع سیستم‌های کلاینت و لبه NVIDIA—شامل GPUهای RTX، DGX Spark و دستگاه‌های Jetson—انعطاف‌پذیری و عملکرد لازم را فراهم می‌کند. به عنوان مثال، پلتفرم‌های Jetson از انواع Gemma 4 E2B و E4B برای استنتاج چندوجهی در سیستم‌های جاسازی شده با محدودیت توان پشتیبانی می‌کنند، در حالی که GPUهای RTX عملکرد بهینه‌سازی شده‌ای را برای استنتاج محلی در دسکتاپ‌ها ارائه می‌دهند. همکاری با vLLM، Ollama، llama.cpp و Unsloth تجربه‌های استقرار محلی کارآمدی را در این پلتفرم‌های متنوع تضمین می‌کند و توسعه‌دهندگان را قادر می‌سازد هوش مصنوعی پیشرفته را مستقیماً در برنامه‌ها و دستگاه‌های خود ادغام کنند."
question: "NVIDIA DGX Spark و NIM چه نقشی در توسعه و استقرار مدل‌های Gemma 4 برای شرکت‌ها ایفا می‌کنند؟" answer: "NVIDIA DGX Spark یک پلتفرم قدرتمند برای توسعه‌دهندگان و علاقه‌مندان به هوش مصنوعی فراهم می‌کند تا جریان‌های کاری هوش مصنوعی عامل‌محور و امن را با Gemma 4 نمونه‌سازی و بسازند. با تراشه‌های فوق‌العاده GB10 Grace Blackwell و 128 گیگابایت حافظه یکپارچه، DGX Spark اجرای کارآمد حتی بزرگترین مدل‌های Gemma 4 با وزن‌های BF16 را امکان‌پذیر می‌سازد و اجرای خصوصی و امن روی دستگاه را حفظ می‌کند. موتور استنتاج vLLM در DGX Spark بیشتر سرویس‌دهی LLM را برای توان عملیاتی بالا بهینه‌سازی می‌کند. برای استقرار در محیط تولید، NVIDIA NIM ریزسرویس‌های بسته‌بندی شده و بهینه‌سازی شده را ارائه می‌دهد که یک راه‌حل امن و خودمیزبان برای شرکت‌هایی با مجوز سازمانی NVIDIA فراهم می‌کند. یک API میزبان NIM نیز در کاتالوگ API NVIDIA برای نمونه‌سازی اولیه در دسترس است."
question: "توسعه‌دهندگان چگونه می‌توانند مدل‌های Gemma 4 را برای داده‌های خاص دامنه تنظیم کنند و چه ابزارهایی در دسترس هستند؟" answer: "توسعه‌دهندگان می‌توانند مدل‌های Gemma 4 را با داده‌های دامنه منحصر به فرد خود با استفاده از فریم‌ورک NVIDIA NeMo، به ویژه کتابخانه NeMo Automodel، سفارشی‌سازی کنند. این ابزار قدرتمند سهولت استفاده از PyTorch بومی را با عملکرد بهینه ترکیب می‌کند و امکان تنظیم دقیق کارآمد را فراهم می‌آورد. تکنیک‌هایی مانند تنظیم دقیق نظارت‌شده (SFT) و LoRA (تطبیق کم‌رتبه) با کارایی حافظه را می‌توان مستقیماً بر روی نقاط بازرسی مدل Gemma 4 موجود در Hugging Face اعمال کرد، که نیاز به تبدیل‌های دست و پا گیر را از بین می‌برد. این امکان تنظیم دقیق روز صفر را فراهم می‌کند و تضمین می‌کند که مدل‌ها برای برنامه‌ها و مجموعه داده‌های تخصصی بسیار مرتبط و دقیق هستند و کاربرد آن‌ها را در صنایع مختلف افزایش می‌دهند."
question: "شرایط مجوز تجاری برای مدل‌های Gemma 4 چیست و دسترسی توسعه‌دهندگان به آنها چگونه است؟" answer: "مدل‌های Gemma 4 از طریق مجوز تجاری پسند Apache 2.0 به شدت برای توسعه‌دهندگان و شرکت‌ها قابل دسترس هستند. این مجوز متن‌باز امکان استفاده، تغییر و توزیع گسترده مدل‌ها را فراهم می‌آورد و ادغام آن‌ها را در محصولات و خدمات تجاری مختلف بدون هزینه‌های مجوز محدودکننده تسهیل می‌کند. علاوه بر این، NVIDIA دسترسی گسترده را در کل پلتفرم هوش مصنوعی خود، از مراکز داده Blackwell تا دستگاه‌های لبه Jetson، تضمین می‌کند. توسعه‌دهندگان می‌توانند بلافاصله با دسترسی به نقاط بازرسی مدل در Hugging Face، استفاده از مستندات و آموزش‌های گسترده NVIDIA، و بهره‌گیری از ابزارهایی مانند vLLM، Ollama و NeMo برای استقرار و سفارشی‌سازی، هوش مصنوعی پیشرفته را برای نوآوری به راحتی در دسترس داشته باشند."

چشم‌انداز هوش مصنوعی به سرعت در حال تحول است، با تقاضای فزاینده‌ای برای استقرار مدل‌های پیشرفته هوش مصنوعی نه تنها در مراکز داده ابری، بلکه در لبه‌های شبکه‌ها و مستقیماً روی دستگاه‌های کاربران. این تغییر ناشی از نیاز به تأخیر کمتر، حریم خصوصی پیشرفته، کاهش هزینه‌های عملیاتی و توانایی کار در محیط‌هایی با اتصال محدود است. NVIDIA و Google با هدف برآوردن این الزامات حیاتی، با همکاری یکدیگر آخرین مدل‌های چندوجهی و چندزبانه Gemma 4 را معرفی کرده‌اند که برای مقیاس‌پذیری یکپارچه از قدرتمندترین مراکز داده NVIDIA Blackwell تا دستگاه‌های لبه فشرده Jetson مهندسی شده‌اند.

این مدل‌ها نشان‌دهنده یک جهش قابل توجه در کارایی و دقت هستند و آن‌ها را به ابزارهایی چندکاره برای طیف وسیعی از وظایف رایج هوش مصنوعی تبدیل می‌کنند. خانواده Gemma 4 آماده است تا نحوه ادغام هوش مصنوعی در برنامه‌های روزمره را بازتعریف کند و قابلیت‌هایی را ارائه دهد که مرزهای آنچه در استقرار محلی هوش مصنوعی ممکن است را جابجا می‌کند.

Gemma 4: پیشبرد هوش مصنوعی چندوجهی و چندزبانه

Gemmaverse با معرفی چهار مدل جدید Gemma 4 گسترش یافته است که هر یک با در نظر گرفتن سناریوهای استقرار خاصی طراحی شده‌اند و در عین حال مجموعه‌ای قوی از قابلیت‌ها را ارائه می‌دهند.

این مدل‌ها فقط مربوط به اندازه نیستند؛ آن‌ها درباره طراحی هوشمند هستند که عملکرد قوی را در چالش‌های متنوع هوش مصنوعی ارائه می‌دهند.

قابلیت‌های اصلی مدل‌های Gemma 4 شامل موارد زیر است:

استدلال: عملکرد استثنایی در کارهای پیچیده حل مسئله، که امکان تصمیم‌گیری‌های پیچیده‌تر را فراهم می‌کند.
کدنویسی: قابلیت‌های پیشرفته تولید کد و اشکال‌زدایی، که جریان‌های کاری توسعه‌دهندگان را ساده می‌کند.
عامل‌ها (Agents): پشتیبانی بومی از استفاده ساختاریافته از ابزارها، که ایجاد سیستم‌های هوش مصنوعی عامل‌محور قدرتمند را تسهیل می‌کند.
قابلیت بینایی، صوتی و ویدیویی: تعاملات چندوجهی غنی برای موارد استفاده مانند تشخیص اشیا، تشخیص گفتار خودکار (ASR)، و هوشمندی اسناد و ویدیو.
ورودی چندوجهی در هم آمیخته: توانایی ترکیب آزادانه متن و تصاویر در یک فرمان واحد، که تعاملی طبیعی‌تر و جامع‌تر ارائه می‌دهد.
پشتیبانی چندزبانه: پشتیبانی آماده برای بیش از 35 زبان، با پیش‌آموزش روی بیش از 140 زبان، که دسترسی جهانی را گسترش می‌دهد.

خانواده Gemma 4 شامل اولین مدل Mixture-of-Experts (MoE) در سری Gemma است که برای کارایی بهینه‌سازی شده است. نکته قابل توجه این است که هر چهار مدل می‌توانند روی یک GPU NVIDIA H100 قرار بگیرند که نشان‌دهنده طراحی بهینه آن‌هاست. انواع 31B و 26B A4B مدل‌های استدلالی با عملکرد بالا هستند که برای هر دو محیط محلی و مرکز داده مناسب‌اند، در حالی که مدل‌های E4B و E2B به طور خاص برای برنامه‌های روی دستگاه و موبایل طراحی شده‌اند و بر اساس میراث Gemma 3n بنا شده‌اند.

نام مدل	نوع معماری	پارامترهای کلی	پارامترهای فعال یا مؤثر	طول زمینه ورودی (توکن)	پنجره متحرک (توکن)	حالت‌ها
Gemma-4-31B	ترنسفورمر متراکم	31B	—	256K	1024	متن
Gemma-4-26B-A4B	MoE – 128 کارشناس	26B	3.8B	256K	—	متن
Gemma-4-E4B	ترنسفورمر متراکم	7.9B با جاسازی‌ها	4.5B مؤثر	128K	512	متن، صدا، بینایی، ویدیو
Gemma-4-E2B	ترنسفورمر متراکم	5.1B با جاسازی‌ها	2.3B مؤثر	128K	512	متن، صدا، بینایی، ویدیو

جدول 1. نمای کلی از خانواده مدل‌های Gemma 4، خلاصه‌ای از انواع معماری، اندازه پارامترها، پارامترهای مؤثر، طول‌های زمینه پشتیبانی‌شده و حالت‌های موجود برای کمک به توسعه‌دهندگان در انتخاب مدل مناسب برای استقرار در مراکز داده، لبه و روی دستگاه‌ها.

این مدل‌ها در Hugging Face با نقاط بازرسی BF16 در دسترس هستند. برای توسعه‌دهندگانی که از GPUهای NVIDIA Blackwell استفاده می‌کنند، یک نقطه بازرسی کوانتیزه NVFP4 برای Gemma-4-31B از طریق NVIDIA Model Optimizer برای استفاده با vLLM در دسترس است. دقت NVFP4 دقت تقریباً یکسانی با دقت 8 بیتی را حفظ می‌کند، در حالی که عملکرد در هر وات را به طور قابل توجهی بهبود می‌بخشد و هزینه هر توکن را کاهش می‌دهد، که برای استقرارهای بزرگ مقیاس حیاتی است.

آوردن هوش مصنوعی به لبه: استقرار روی دستگاه با سخت‌افزار NVIDIA

همانطور که جریان‌های کاری و عامل‌های هوش مصنوعی به طور فزاینده‌ای جزء لاینفک عملیات روزانه می‌شوند، قابلیت اجرای این مدل‌ها فراتر از محیط‌های سنتی مراکز داده از اهمیت بالایی برخوردار است. NVIDIA یک اکوسیستم جامع از سیستم‌های کلاینت و لبه، از GPUهای قدرتمند مانند GPUهای RTX تا دستگاه‌های تخصصی Jetson و DGX Spark، را ارائه می‌دهد که انعطاف‌پذیری لازم را برای توسعه‌دهندگان فراهم می‌کند تا هزینه، تأخیر و امنیت را بهینه کنند.

NVIDIA با فریم‌ورک‌های استنتاج پیشرو مانند vLLM، Ollama و llama.cpp همکاری کرده است تا تجربه استقرار محلی بهینه را برای مدل‌های Gemma 4 تضمین کند. علاوه بر این، Unsloth با مدل‌های بهینه‌سازی شده و کوانتیزه شده، پشتیبانی روز اول را ارائه می‌دهد و استقرار محلی کارآمد را از طریق Unsloth Studio امکان‌پذیر می‌سازد. این سیستم پشتیبانی قوی، توسعه‌دهندگان را قادر می‌سازد تا هوش مصنوعی پیچیده را مستقیماً در جایی که بیشترین نیاز به آن است، مستقر کنند.

	DGX Spark	Jetson	RTX / RTX PRO
مورد استفاده	تحقیق و نمونه‌سازی هوش مصنوعی	هوش مصنوعی لبه و رباتیک	برنامه‌های دسکتاپ و توسعه ویندوز
نکات کلیدی	یک پشته نرم‌افزاری هوش مصنوعی NVIDIA از پیش نصب‌شده و 128 گیگابایت حافظه یکپارچه، نمونه‌سازی محلی، تنظیم دقیق و جریان‌های کاری کاملاً محلی OpenClaw را تأمین می‌کند.	تأخیر تقریباً صفر به دلیل ویژگی‌های معماری مانند بارگذاری پارامترهای شرطی و جاسازی‌های لایه‌ای که می‌توانند برای استفاده سریع‌تر و کاهش حافظه کش شوند ( اطلاعات بیشتر)	عملکرد بهینه‌سازی شده برای استنتاج محلی برای علاقه‌مندان، خلاقان و متخصصان
راهنمای شروع	پلی‌بوک‌های DGX Spark برای راهنماهای استقرار vLLM، Ollama، Unsloth و llama.cpp NeMo Automodel برای راهنمای تنظیم دقیق روی Spark	آزمایشگاه هوش مصنوعی Jetson برای آموزش‌ها و کانتینرهای سفارشی Gemma	RTX AI Garage برای راهنماهای Ollama و llama.cpp. صاحبان RTX Pro نیز می‌توانند از vLLM استفاده کنند.

جدول 2. مقایسه گزینه‌های استقرار محلی در پلتفرم‌های NVIDIA، با برجسته کردن موارد استفاده اصلی، قابلیت‌های کلیدی و منابع پیشنهادی شروع به کار برای سیستم‌های DGX Spark، Jetson و RTX / RTX PRO که مدل‌های Gemma 4 را اجرا می‌کنند.

ساخت جریان‌های کاری عامل‌محور امن و استقرارهای آماده برای شرکت‌ها

برای توسعه‌دهندگان و علاقه‌مندان به هوش مصنوعی، NVIDIA DGX Spark، با تراشه فوق‌العاده GB10 Grace Blackwell و 128 گیگابایت حافظه یکپارچه، منابع بی‌نظیری را ارائه می‌دهد. این پلتفرم قدرتمند برای اجرای مدل Gemma 4 31B با وزن‌های BF16 ایده‌آل است و امکان نمونه‌سازی کارآمد و ساخت جریان‌های کاری هوش مصنوعی عامل‌محور را فراهم می‌کند، در حالی که اجرای خصوصی و امن روی دستگاه را تضمین می‌کند. سیستم‌عامل DGX Linux و پشته کامل نرم‌افزاری NVIDIA یک محیط توسعه بی‌دردسر را فراهم می‌آورند.

موتور استنتاج vLLM، طراحی شده برای سرویس‌دهی LLM با توان عملیاتی بالا، کارایی را به حداکثر می‌رساند و مصرف حافظه را در DGX Spark به حداقل می‌رساند. این ترکیب یک پلتفرم با عملکرد بالا برای استقرار بزرگترین مدل‌های Gemma 4 فراهم می‌کند. توسعه‌دهندگان می‌توانند از پلی‌بوک vLLM برای استنتاج DGX Spark بهره ببرند یا با Ollama یا llama.cpp شروع به کار کنند. علاوه بر این، NeMo Automodel امکان تنظیم دقیق این مدل‌ها را مستقیماً روی DGX Spark می‌دهد.

برای کاربران سازمانی، NVIDIA NIM مسیری به سوی استقرار آماده تولید ارائه می‌دهد. توسعه‌دهندگان می‌توانند Gemma 4 31B را با استفاده از یک API میزبان NIM از کاتالوگ API NVIDIA نمونه‌سازی کنند. برای تولید در مقیاس کامل، ریزسرویس‌های NIM از پیش بسته‌بندی شده و بهینه‌سازی شده برای استقرار امن و خودمیزبان در دسترس هستند که توسط مجوز سازمانی NVIDIA پشتیبانی می‌شوند. این تضمین می‌کند که شرکت‌ها می‌توانند راه‌حل‌های هوش مصنوعی قدرتمند را با اطمینان خاطر مستقر کنند و الزامات امنیتی و عملیاتی سختگیرانه را برآورده سازند.

توانمندسازی عامل‌های فیزیکی هوش مصنوعی با NVIDIA Jetson

قابلیت‌های عامل‌های فیزیکی هوش مصنوعی مدرن به سرعت در حال پیشرفت است، که عمدتاً به دلیل ادغام صدای پیچیده، درک چندوجهی و استدلال عمیق در مدل‌های Gemma 4 می‌باشد. این مدل‌های پیشرفته سیستم‌های رباتیک را قادر می‌سازند تا فراتر از اجرای وظایف ساده حرکت کنند، و به آن‌ها توانایی درک گفتار، تفسیر زمینه بصری و استدلال هوشمندانه قبل از عمل را می‌دهند.

در پلتفرم‌های NVIDIA Jetson، توسعه‌دهندگان می‌توانند استنتاج Gemma 4 را در لبه با استفاده از llama.cpp و vLLM انجام دهند. به عنوان مثال، Jetson Orin Nano از انواع Gemma 4 E2B و E4B پشتیبانی می‌کند و استنتاج چندوجهی را در سیستم‌های کوچک، جاسازی‌شده و با محدودیت توان تسهیل می‌نماید. این قابلیت مقیاس‌پذیری در کل پلتفرم Jetson، تا Jetson Thor قدرتمند، گسترش می‌یابد و امکان استقرار مدل یکنواخت را بدون در نظر گرفتن حجم سخت‌افزاری فراهم می‌کند. این امر برای برنامه‌های رباتیک، ماشین‌های هوشمند و اتوماسیون صنعتی که در آن‌ها عملکرد با تأخیر کم و هوش روی دستگاه حیاتی است، بسیار مهم است. توسعه‌دهندگانی که علاقه‌مند به کاوش این قابلیت‌ها هستند، می‌توانند آموزش‌ها و کانتینرهای سفارشی Gemma را در آزمایشگاه هوش مصنوعی Jetson بیابند.

سفارشی‌سازی و دسترسی تجاری با NVIDIA NeMo

برای اطمینان از اینکه مدل‌های Gemma 4 می‌توانند برای برنامه‌های خاص و مجموعه داده‌های اختصاصی سفارشی‌سازی شوند، NVIDIA قابلیت‌های تنظیم دقیق قوی را از طریق فریم‌ورک NVIDIA NeMo ارائه می‌دهد. به ویژه، کتابخانه NeMo Automodel سهولت استفاده از PyTorch بومی را با عملکرد بهینه ترکیب می‌کند و فرآیند سفارشی‌سازی را قابل دسترس و کارآمد می‌سازد.

توسعه‌دهندگان می‌توانند از تکنیک‌هایی مانند تنظیم دقیق نظارت‌شده (SFT) و LoRA (تطبیق کم‌رتبه) با کارایی حافظه برای انجام تنظیم دقیق روز صفر بهره ببرند. این فرآیند مستقیماً از نقاط بازرسی مدل Gemma 4 موجود در Hugging Face آغاز می‌شود و نیاز به مراحل تبدیل دست و پا گیر را از بین می‌برد. این انعطاف‌پذیری به شرکت‌ها و محققان امکان می‌دهد تا مدل‌های Gemma 4 را با دانش خاص دامنه پر کنند و دقت و ارتباط بالا را برای کارهای تخصصی تضمین کنند.

مدل‌های Gemma 4 به راحتی در سراسر پلتفرم هوش مصنوعی NVIDIA در دسترس هستند و تحت مجوز تجاری پسند Apache 2.0 ارائه می‌شوند. این مجوز متن‌باز پذیرش گسترده و ادغام در محصولات و خدمات تجاری را تسهیل می‌کند و توسعه‌دهندگان در سراسر جهان را قادر می‌سازد تا با هوش مصنوعی پیشرفته نوآوری کنند. از عملکرد Blackwell تا حضور فراگیر پلتفرم‌های Jetson، Gemma 4 قرار است هوش مصنوعی پیشرفته را به هر توسعه‌دهنده و هر دستگاهی نزدیک‌تر کند.