FunctionGemma - Modelo de IA ligero de código abierto de Google optimizado para llamadas a funciones

¿Qué es FunctionGemma?

FunctionGemma es un modelo ligero de IA optimizado para llamadas a funciones por Google, basado en el modelo Gemma 3 de 270 millones de parámetros, que convierte el lenguaje natural en instrucciones de API ejecutables en tiempo real en teléfonos móviles, navegadores y otros dispositivos. Su principal característica es que admite el funcionamiento local sin conexión y puede identificar con precisión las órdenes del usuario y generar llamadas a funciones estructuradas, como "crear un evento del calendario" o "controlar un elemento del juego", con una tasa de precisión de hasta 85% tras el ajuste fino. El modelo es de código abierto y admite el ajuste de plataformas como Hugging Face, que es adecuado para escenarios de interacción inteligente en aplicaciones móviles, juegos y dispositivos IoT, lo que reduce significativamente la dependencia de la nube y los riesgos para la privacidad de los datos.

Características de FunctionGemma

• Eficaz y ligeroEl número de referencias es de 270 millones, lo suficientemente pequeño como para ejecutarse en dispositivos con recursos limitados, como teléfonos móviles y ordenadores portátiles, haciendo hincapié en la baja latencia y la privacidad de los datos.
• Centrarse en las llamadas a funcionesNo se trata de un modelo de diálogo para chats directos, sino de un modelo de base para posteriores ajustes, específicamente para escenarios de llamadas a funciones.
• Muy personalizableLa fiabilidad de las tareas puede mejorar significativamente si se diseñan para ajustarse a tareas específicas de llamadas a funciones, incluidos los casos de uso de varias rondas.
• Soporte multilingüeUtiliza el vocabulario 256k de Gemma para segmentar eficazmente JSON y la entrada multilingüe.
• Amplio apoyo del ecosistema: Admite el ajuste fino y la implementación mediante diversas herramientas como Hugging Face Transformers, Unsloth, Keras, NVIDIA NeMo, LiteRT-LM, vLLM, MLX, Llama.cpp, Ollama, Vertex AI o LM Studio.
• Entradas y salidas flexibles: La entrada es una cadena de texto y la salida es texto en respuesta a la entrada, con un contexto de entrada total de 32K tokens y un contexto de salida total de hasta 32K tokens por petición, menos los tokens de la entrada solicitada.

Puntos fuertes de FunctionGemma

• Ligero y eficienteEl número de parámetros de 270M hace que sea lo suficientemente pequeño como para ejecutarse de forma eficiente en dispositivos con recursos limitados (por ejemplo, teléfonos móviles, dispositivos integrados) sin depender de potentes recursos informáticos, lo que lo hace adecuado para su uso en escenarios de bajo consumo y baja latencia.
• Funcionamiento offline y privacidad de los datosLa seguridad de los datos: se ejecuta completamente fuera de línea y no depende de conexiones de red, lo que garantiza que los datos se procesen localmente y se proteja la privacidad del usuario, por lo que resulta especialmente adecuada para escenarios de aplicación con elevados requisitos de seguridad de los datos.
• Experiencia en llamadas a funcionesEl sistema de llamada a función: Centrado en tareas de llamada a función, puede convertir eficazmente instrucciones de lenguaje natural en llamadas a función concretas, y es adecuado para una variedad de escenarios que requieren la ejecución automatizada de tareas, como el control doméstico inteligente, la interacción con aplicaciones móviles, etc.
• Potentes funciones de ajuste finoEl modelo base es fácil de ajustar para adaptarlo a tareas específicas de llamada a funciones, y al hacerlo se puede mejorar significativamente el rendimiento y la fiabilidad del modelo en tareas específicas.
• Soporte multilingüe: Admite entrada y salida en varios idiomas y es capaz de gestionar tareas de llamada a funciones en un entorno multilingüe de amplia aplicabilidad.
• Amplia compatibilidad ecológicaCompatible con una amplia gama de marcos y herramientas de aprendizaje automático, los desarrolladores pueden utilizar herramientas conocidas para el ajuste y la implantación, lo que reduce los umbrales y los costes de desarrollo.
• Código abierto y escalabilidad: Su naturaleza de código abierto permite a los desarrolladores personalizarlo y ampliarlo según sus propias necesidades, y puede integrarse con flexibilidad en distintos proyectos y sistemas.

¿Cuál es el sitio web oficial de FunctionGemma?

• Página web del proyecto:: https://blog.google/technology/developers/functiongemma/
• Biblioteca de modelos HuggingFace:: https://huggingface.co/collections/google/functiongemma

Para quién es FunctionGemma

• Desarrolladores de aplicaciones móvilesFunciónGemma: existe la necesidad de implementar funciones de inteligencia offline en dispositivos móviles, como asistentes de voz, procesamiento automatizado de tareas, etc. Las funciones ligeras y offline de FunctionGemma son adecuadas para su implementación en dispositivos móviles como teléfonos móviles.
• Ingeniero de sistemas integradosLa integración de funciones inteligentes en dispositivos integrados con recursos limitados (por ejemplo, relojes inteligentes, dispositivos IoT), el pequeño tamaño de FunctionGemma y sus capacidades de funcionamiento de bajo consumo son ideales para este tipo de escenarios.
• Desarrolladores de viviendas inteligentesEl desarrollo de sistemas inteligentes de control doméstico requiere la conversión de comandos de lenguaje natural en funciones de control de dispositivos, algo que FunctionGemma es capaz de conseguir de forma eficiente para mejorar la experiencia del usuario.
• Desarrolladores de aplicaciones empresarialesLa programación automatizada de tareas y las interacciones inteligentes son necesarias en los sistemas locales, y FunctionGemma puede personalizarse y ajustarse como modelo base para satisfacer necesidades empresariales específicas.
• investigador en inteligencia artificialLos investigadores interesados en modelos lingüísticos ligeros y escenarios de llamadas a funciones pueden utilizar FunctionGemma para llevar a cabo las investigaciones y experimentos pertinentes para explorar la optimización y mejora de los modelos.