সংক্ষেপে
- Google Apache 2.0 লাইসেন্সের অধীনে ওপেন মডেলের একটি পরিবার Gemma 4 প্রকাশ করেছে।
- চারটি মডেলের লাইনআপ ফোন থেকে ডেটা সেন্টার পর্যন্ত বিস্তৃত এবং 31B মডেল ইতিমধ্যে বিশ্বব্যাপী #3 র্যাঙ্কিংয়ে রয়েছে।
- মার্কিন ওপেন-সোর্স AI একটি প্রয়োজনীয় উত্সাহ পেয়েছে, কারণ DeepMind-সমর্থিত Gemma 4 নিজেকে DeepSeek, Qwen এবং অন্যান্য চীনা নেতাদের বিরুদ্ধে সবচেয়ে শক্তিশালী আমেরিকান প্রতিযোগী হিসেবে অবস্থান করছে।
Google-এর ওপেন AI উচ্চাকাঙ্ক্ষা আজ অনেক বেশি গুরুতর হয়ে উঠেছে। কোম্পানিটি Gemma 4 প্রকাশ করেছে, যা Gemini 3-এর মতো একই গবেষণার উপর নির্মিত চারটি ওপেন-ওয়েট মডেলের একটি পরিবার এবং Apache 2.0-এর অধীনে লাইসেন্সপ্রাপ্ত—যা পূর্ববর্তী Gemma সংস্করণগুলির আরও সীমাবদ্ধ শর্তাবলী থেকে একটি উল্লেখযোগ্য পরিবর্তন।
ডেভেলপাররা পূর্ববর্তী Gemma প্রজন্মগুলি 400 মিলিয়নেরও বেশি বার ডাউনলোড করেছেন, যা 100,000-এরও বেশি কমিউনিটি ভেরিয়েন্ট তৈরি করেছে। এই রিলিজটি এখনও পর্যন্ত সবচেয়ে উচ্চাভিলাষী।
গত বছর ধরে, ওপেন-সোর্স AI লিডারবোর্ড মূলত একটি চীনা বিষয় হয়ে উঠেছে। DeepSeek, Minimax, GLM এবং Qwen শীর্ষ স্থানগুলি দখল করেছে, যা আমেরিকান বিকল্পগুলিকে প্রাসঙ্গিকতার জন্য লড়াই করতে বাধ্য করেছে। Decrypt গত বছর রিপোর্ট করেছে যে, চীনা ওপেন মডেলগুলি 2024 সালের শেষের দিকে বিশ্বব্যাপী ওপেন-মডেল ব্যবহারের মাত্র 1.2% থেকে 2025 সালের শেষে প্রায় 30%-এ চলে গেছে, এবং Alibaba-র Qwen এমনকি Meta-র Llama-কে বিশ্বব্যাপী সবচেয়ে বেশি ব্যবহৃত সেল্ফ-হোস্টেড মডেল হিসেবে ছাড়িয়ে গেছে।
Meta-র Llama একসময় ডেভেলপারদের জন্য ডিফল্ট পছন্দ ছিল যারা একটি সক্ষম, স্থানীয়ভাবে চালানোযোগ্য মডেল চেয়েছিলেন। সেই খ্যাতি ক্ষয় হয়েছে—Llama-র Meta-নিয়ন্ত্রিত লাইসেন্স এর প্রকৃত ওপেন-সোর্স স্ট্যাটাস নিয়ে প্রশ্ন উত্থাপন করেছে এবং এর পারফরম্যান্স চীনা প্রতিযোগিতার পিছনে পড়ে গেছে। Allen Institute-এর OLMo পরিবার শূন্যস্থান পূরণ করার চেষ্টা করেছিল কিন্তু অর্থপূর্ণ আকর্ষণ অর্জন করতে ব্যর্থ হয়েছে। OpenAI আগস্ট 2025-এ তার gpt-oss মডেলগুলি প্রকাশ করেছে, যা ইকোসিস্টেমে একটি নতুন প্রাণ দিয়েছে, কিন্তু সেগুলি কখনই ফ্রন্টিয়ার প্রতিযোগী হওয়ার জন্য ডিজাইন করা হয়নি।
এবং গতকাল, Arcee AI নামে একটি 30-জনের মার্কিন স্টার্টআপ Trinity প্রকাশ করেছে, একটি 400 বিলিয়ন প্যারামিটার ওপেন মডেল যা একটি বাধ্যতামূলক মামলা তৈরি করেছে যে আমেরিকান দৃশ্য সম্পূর্ণভাবে মৃত নয়। Gemma 4 সেই গতিবেগ অনুসরণ করে, এবার Google DeepMind-এর সম্পূর্ণ শক্তি নিয়ে, যা এটিকে ওপেন-সোর্স AI দৃশ্যে সম্ভবত সেরা আমেরিকান মডেলে পরিণত করেছে।
মডেলটি "Gemini 3-এর মতো একই বিশ্বমানের গবেষণা এবং প্রযুক্তি থেকে নির্মিত," Google তার ঘোষণায় জানিয়েছে। Gemma 4 চারটি আকারে আসে: ফোন এবং এজ ডিভাইসের জন্য Effective 2B এবং 4B, গতির উপর কেন্দ্রীভূত একটি 26B Mixture of Experts মডেল, এবং কাঁচা মানের জন্য অপ্টিমাইজ করা একটি 31B Dense মডেল।
31B Dense বর্তমানে Arena AI-এর টেক্সট লিডারবোর্ডে সমস্ত ওপেন মডেলের মধ্যে তৃতীয় স্থানে রয়েছে। 26B MoE ষষ্ঠ স্থানে রয়েছে। Google দাবি করে যে উভয়ই তাদের আকারের 20 গুণ বড় মডেলগুলিকে ছাড়িয়ে যায়—একটি দাবি যা অন্তত Arena AI সংখ্যার বিপরীতে ধরে রাখে, যেখানে চীনা মডেলগুলি এখনও শীর্ষ দুটি স্থান ধরে রেখেছে।
আমরা Gemma 4 পরীক্ষা করেছি। এটি সক্ষম, কিছু সতর্কতার সাথে। মডেলটি এমনকি সেই কাজগুলিতেও যুক্তি প্রয়োগ করে যেগুলির এটির প্রয়োজন নেই, যা সাধারণ প্রম্পটগুলির জন্য প্রতিক্রিয়াগুলিকে অতিরিক্ত ইঞ্জিনিয়ার করা অনুভব করাতে পারে। সৃজনশীল লেখা ভালো—ব্যবহারযোগ্য, অনুপ্রাণিত নয়—এবং সম্ভবত আরও নির্দিষ্ট নির্দেশনা এবং প্রম্পট ইঞ্জিনিয়ারিংয়ের সাথে উন্নতি হয়।
যেখানে এটি সবচেয়ে স্পষ্টভাবে সরবরাহ করেছিল তা হল কোড। একটি গেম তৈরি করতে বলা হলে, আউটপুট বিশেষভাবে চকচকে বা বিস্তৃত ছিল না, কিন্তু এটি প্রথম চেষ্টাতেই কোনো ত্রুটি ছাড়াই চলেছে। 41 বিলিয়ন প্যারামিটার মডেলের জন্য খারাপ নয়। সেই জিরো-শট নির্ভরযোগ্যতা তর্কযোগ্যভাবে একটি সুন্দর ফলাফলের চেয়ে বেশি মূল্যবান যার ডিবাগিং প্রয়োজন।
আপনি এখানে (মৌলিক, তবুও কার্যকর) গেমটি চেষ্টা করতে পারেন।
চারটি ভেরিয়েন্ট সম্পূর্ণ হার্ডওয়্যার স্পেকট্রাম কভার করে। E2B এবং E4B মডেলগুলি Android ফোন, Raspberry Pi এবং এজ ডিভাইসগুলির জন্য তৈরি, যা প্রায়-শূন্য লেটেন্সি, নেটিভ অডিও ইনপুট এবং একটি 128K কনটেক্সট উইন্ডো সহ সম্পূর্ণভাবে অফলাইনে চলে। 26B এবং 31B মডেলগুলি ওয়ার্কস্টেশন এবং ক্লাউড ডিপ্লয়মেন্টকে লক্ষ্য করে, কনটেক্সট 256K-এ প্রসারিত করে এবং স্বায়ত্তশাসিত এজেন্ট তৈরির জন্য নেটিভ ফাংশন-কলিং এবং স্ট্রাকচার্ড JSON আউটপুট যোগ করে। চারটি মডেলই নেটিভভাবে ছবি এবং ভিডিও প্রক্রিয়া করে। বৃহত্তর মডেলগুলির ফুল-প্রিসিশন ওয়েটগুলি একটি একক 80GB NVIDIA H100 GPU-তে ফিট হয়; কোয়ান্টাইজড সংস্করণগুলি কনজিউমার হার্ডওয়্যারে চলে।
Apache 2.0 লাইসেন্স অন্য শিরোনাম। Google-এর পূর্ববর্তী Gemma রিলিজগুলি একটি কাস্টম লাইসেন্স ব্যবহার করেছিল যা বাণিজ্যিক পণ্যগুলির জন্য আইনি অস্পষ্টতা তৈরি করেছিল। Apache 2.0 সেই ঘর্ষণ সম্পূর্ণরূপে সরিয়ে দেয়—ডেভেলপাররা পরে Google শর্তাবলী পরিবর্তন করার বিষয়ে চিন্তা না করে পরিবর্তন, পুনর্বিতরণ এবং বাণিজ্যিকীকরণ করতে পারে। Hugging Face সহ-প্রতিষ্ঠাতা Clement Delangue এটির প্রশংসা করেছেন, বলেছেন যে "Local AI তার মুহূর্ত পাচ্ছে," এবং এটি AI শিল্পের ভবিষ্যৎ। Google DeepMind CEO Demis Hassabis আরও এগিয়ে গেছেন, Gemma 4-কে "তাদের নিজ নিজ আকারের জন্য বিশ্বের সেরা ওপেন মডেল" বলে অভিহিত করেছেন।
এটি একটি শক্তিশালী দাবি। Anthropic, OpenAI এবং Google-এর নিজস্ব Gemini থেকে মালিকানাধীন সিস্টেমগুলি এখনও কঠিনতম বেঞ্চমার্কগুলিতে নেতৃত্ব দেয়। কিন্তু ওপেন-ওয়েট মডেলগুলির জন্য যা আপনি স্থানীয়ভাবে চালাতে পারেন, অবাধে পরিবর্তন করতে পারেন এবং আপনার নিজস্ব অবকাঠামোতে ডিপ্লয় করতে পারেন? প্রতিযোগিতা উল্লেখযোগ্যভাবে পাতলা হয়ে গেছে। আপনি এখন Google AI Studio (31B এবং 26B) অথবা Google AI Edge Gallery (E2B এবং E4B)-তে Gemma 4 চেষ্টা করতে পারেন। মডেল ওয়েটগুলি Hugging Face, Kaggle এবং Ollama-তেও উপলব্ধ।
দৈনিক ডিব্রিফ নিউজলেটার
প্রতিদিন শীর্ষ সংবাদ, মূল বৈশিষ্ট্য, পডকাস্ট, ভিডিও এবং আরও অনেক কিছু দিয়ে শুরু করুন।
সূত্র: https://decrypt.co/363178/google-gemma-4-open-source-ai
