PaliGemma 2

PaliGemma 2 to druga generacja otwartego modelu wizyjno-językowego Google, ogłoszona 5 grudnia 2024. Przepis z pierwszej wersji pozostał nietknięty — koder obrazu SigLIP-So400m przed modelem językowym Gemma — ale zamiast jednego modelu 2B koder dostał do pary cały zakres Gemmy 2: modele 2B, 9B i 27B, co daje modele wizyjno-językowe o 3,03, 9,66 i 27,65 miliarda parametrów. Każdy rozmiar uczono w trzech rozdzielczościach: 224, 448 i 896 pikseli. Google przedstawia go jako zamiennik wstawiany bez zmian: kto używał pierwszej PaliGemmy, może podmienić punkt kontrolny bez przepisywania kodu. Sensem tego wydania, zgodnie z raportem technicznym, było nie tyle wygrywanie znanych rankingów, ile zmapowanie zależności między rozmiarem modelu, rozdzielczością wejścia i rodzajem zadania — która kombinacja jest warta swojej ceny. Obok tego Google znacznie rozszerzył zestaw zadań przenoszonych poza pierwszą generację i podaje najlepsze wyniki w dziedzinie dla kilku z nich: rozpoznawania struktury tabel, czytania schematów struktur cząsteczek, czytania partytur, długich drobiazgowych podpisów oraz generowania opisów radiologicznych ze zdjęć klatki piersiowej. To ostatnie warto czytać uważnie — jest to wynik badawczy na zbiorze testowym, a nie narzędzie kliniczne, i Google wcale go za takie nie podaje. 19 lutego 2025 rodzina dostała punkty kontrolne mix: wagi dostrojone na mieszance zadań, które od razu odpowiadają na krótkie i długie podpisy, odczyt tekstu z obrazu, pytania o obraz, wykrywanie i segmentację, opublikowane dla wszystkich trzech rozmiarów w 224 i 448 pikselach. Punktów kontrolnych pod konkretne zadania, których pierwsza generacja miała pięćdziesiąt cztery, jest tu dwa — oba do długich podpisów na zbiorze DOCCI. Licencja się nie zmieniła: warunki użytkowania Gemma, a nie Apache 2.0, z zabramkowanymi repozytoriami wymagającymi przyjęcia warunków i ręcznej zgody. Ruch opowiada niewygodną historię o zamienniku wstawianym bez zmian: 64 773 pobrania w trzydziestu dniach do 17 września 2026, wobec 619 679 dla modelu, który miał zastąpić.

▸Newsy

Pierwsza PaliGemma wydała 54 punkty kontrolne, żeby każdy mógł sprawdzić jej wyniki. Druga ogłasza najlepsze rezultaty w pięciu nowych dziedzinach i wydała dwa

17.09.2026 · Google — PaliGemma repositories on Hugging Face and the technical report (arXiv 2412.03555)

▸Wideo

Brak materiałów wideo.

▸Recenzje