Wir bei Google möchten die leistungsstärksten KI‑Modelle direkt auf die Android-Geräte in Ihrer Tasche bringen. Wir freuen uns, heute die Veröffentlichung unseres neuesten hochmodernen offenen Modells Gemma 4 bekanntzugeben.

Diese Modelle bilden die Grundlage für die nächste Generation von Gemini Nano. Code, den Sie heute für Gemma 4 schreiben, funktioniert also automatisch auf Geräten, die mit Gemini Nano 4 kompatibel sind und später in diesem Jahr verfügbar sein werden. Mit Gemini Nano 4 profitieren Sie von unseren zusätzlichen Leistungsoptimierungen und können so die effizienteste On-Device-Inferenz im gesamten Android-Ökosystem in der Produktion einsetzen.

Sie können heute über die AICore-Entwicklervorschau Vorabzugriff auf dieses Modell erhalten.

Wählen Sie das Modell „Gemini Nano 4 Fast“ in der Benutzeroberfläche der Developer Preview aus, um die rasante Inferenzgeschwindigkeit in Aktion zu sehen, bevor Sie Code schreiben.

Gemma 4 unterstützt nativ über 140 Sprachen. Das bedeutet, dass Sie für Ihr globales Publikum mit einer verbesserten lokalisierten, mehrsprachigen Nutzung rechnen können. Außerdem bietet Gemma 4 eine branchenführende Leistung mit multimodaler Verarbeitung, sodass Ihre Apps Text, Bilder und Audio verstehen und verarbeiten können. Um Ihnen das beste Verhältnis zwischen Leistung und Effizienz zu bieten, ist Gemma 4 für Android in zwei Größen verfügbar:

• E4B:Für höhere Schlussfolgerungsfähigkeit und komplexe Aufgaben konzipiert.
• E2B:Optimiert für maximale Geschwindigkeit (3-mal schneller als das E4B-Modell!) und geringere Latenz.

Das neue Modell ist bis zu viermal schneller als frühere Versionen und verbraucht bis zu 60% weniger Akku. Ab heute können Sie die folgenden verbesserten Funktionen ausprobieren:

• Begründung:Bei Befehlen mit „Chain of Thought“ und bedingten Anweisungen sind jetzt Ergebnisse von höherer Qualität zu erwarten. Beispiel: „Stelle fest, ob der folgende Kommentar für einen Diskussions-Thread den Community-Richtlinien entspricht. Der Kommentar entspricht nicht den Community-Richtlinien, wenn er mindestens einen der folgenden Gründe für die Meldung enthält: „Obszönitäten“, „Abfällige Sprache“, „Hassrede“. Wenn die Überprüfung den Community-Richtlinien entspricht, gib „{true}“ zurück. Andernfalls wird „{false, reason_for_flag}“ zurückgegeben.
• Mathematik:Das Modell hat seine mathematischen Fähigkeiten verbessert und kann Fragen jetzt genauer beantworten. Beispiel: „Wenn ich 26 Gehaltsabrechnungen pro Jahr erhalte, wie viel sollte ich dann bei jeder Gehaltsabrechnung einzahlen,um mein Sparziel von 10.000 $innerhalb eines Jahres zu erreichen?“
• Zeitverständnis:Das Modell kann jetzt besser mit Zeitangaben umgehen und ist daher genauer für Anwendungsfälle, die Kalender, Erinnerungen und Wecker umfassen. Beispiel: „Die Veranstaltung findet am 18. August um 18:00 Uhr statt und eine Erinnerung soll 10 Stunden vor der Veranstaltung gesendet werden. Gib die Uhrzeit und das Datum zurück, zu denen die Erinnerung gesendet werden soll.“
• Bildanalyse:Anwendungsfälle, die OCR (optische Zeichenerkennung) umfassen, z. B. die Analyse von Diagrammen, die Extraktion visueller Daten und die Handschrifterkennung, liefern jetzt genauere Ergebnisse.

Nehmen Sie noch heute an der Entwicklervorschau teil, um diese Modelle herunterzuladen und sofort mit der Entwicklung von Funktionen der nächsten Generation zu beginnen.

Modell testen

Sie können das Modell ohne Code ausprobieren, indem Sie dem Leitfaden für die Developer Preview folgen. Wenn Sie diese Modelle direkt in Ihren bestehenden Workflow einbinden möchten, ist das ganz einfach. In Android Studio können Sie Ihren Prompt optimieren und mit der vertrauten ML Kit Prompt API entwickeln. Wir haben eine neue Funktion eingeführt, mit der Sie ein Modell angeben können, um die E2B- (schnell) oder E4B-Varianten (vollständig) für Tests zu verwenden.

  // Define the configuration with a specific track and preference
val previewFullConfig = generationConfig {
    modelConfig = ModelConfig {
        releaseTrack = ModelReleaseTrack.PREVIEW
        preference = ModelPreference.FULL
    }
}

// Initialize the GenerativeModel with the configuration
val previewModel = GenerativeModel.getClient(previewFullConfig)

// Verify that the specific preview model is available
val previewModelStatus = previewModel.checkStatus()
if (previewModelStatus == FeatureStatus.AVAILABLE) {
    // Proceed with inference
    val response = previewModel.generateContent("If I get 26 paychecks per year, how much I should contribute each paycheck to reach my savings goal of $10k over the course of a year? Return only the amount.")

} else {
    // Handle the case where the preview model is not available
    // (e.g., print out log statements)
}

Ablauf der Entwicklervorschau

Ziel dieser Developer Preview ist es, Ihnen einen Vorsprung beim Verbessern der Prompt-Genauigkeit und beim Erkunden neuer Anwendungsfälle für Ihre spezifischen Apps zu verschaffen.

Während des Vorschauzeitraums werden wir mehrere Updates vornehmen, darunter die Unterstützung von Tool-Aufrufen, strukturierter Ausgabe, Systemprompts und dem Denkmodus in der Prompt API. So können Sie die neuen Funktionen in Gemma 4 noch besser nutzen. Außerdem werden wir die Leistung deutlich optimieren. 

Die Vorschau-Modelle sind auf AICore-fähigen Geräten zum Testen verfügbar. Diese Modelle werden auf der neuesten Generation von speziellen KI-Beschleunigern von Google, MediaTek und Qualcomm Technologies ausgeführt. Auf anderen Geräten werden die Modelle anfangs auf einer CPU-Implementierung ausgeführt, die nicht repräsentativ für die endgültige Produktionsleistung ist. Wenn Ihr Gerät nicht AICore-fähig ist, können Sie diese Modelle auch über die App AI Edge Gallery testen. Wir werden in Zukunft Unterstützung für weitere Geräte anbieten.

Tipps für den Einstieg

Sie möchten wissen, was Gemma 4 für Ihre Nutzer leisten kann?

1. Aktivieren:Melden Sie sich für die AICore-Entwicklervorschau an.
2. Herunterladen:Wenn Sie die Funktion aktiviert haben, können Sie den Download der neuesten Gemma 4-Modelle direkt auf Ihr unterstütztes Testgerät auslösen.
3. Entwicklung:Aktualisieren Sie Ihre ML Kit-Implementierung, um die neuen Modelle zu verwenden, und beginnen Sie mit der Entwicklung in Android Studio.