แท็ก

#Gemma 4

7 บทความ

Unsloth เทรน decision model เองได้แล้ว: แปลง Qwen3.5 / Llama 3.2 / Gemma 4 เป็นโมเดลตัดสินใจด้วย LoRA ใช้ VRAM 4 GB ความแม่นยำขึ้นจากระดับเดาสุ่ม (~30%) เป็น 78–81% พร้อม OS sandbox ทั้ง 3 ระบบปฏิบัติการ
เครื่องมือนักพัฒนา

Unsloth เทรน decision model เองได้แล้ว: แปลง Qwen3.5 / Llama 3.2 / Gemma 4 เป็นโมเดลตัดสินใจด้วย LoRA ใช้ VRAM 4 GB ความแม่นยำขึ้นจากระดับเดาสุ่ม (~30%) เป็น 78–81% พร้อม OS sandbox ทั้ง 3 ระบบปฏิบัติการ

Unsloth v0.1.904/905-beta (7–8 ต.ค. 2026) เพิ่ม FastDecisionModel และ DecisionTrainer สำหรับแปลง LLM ทั่วไปเป็น decision model ที่ตอบเป็นความน่าจะเป็นของแต่ละตัวเลือก (ใช้ head แบบเดียวกับ Clef ของ Cloudflare) Qwen3.5-0.8B ใช้ VRAM 4 GB เทรน 42 นาที ได้ holdout 78% พร้อมเปิด OS-level sandbox ให้ tool call บน Linux (bwrap), macOS (Seatbelt) และ Windows (MXC)

· อ่าน 5 นาที
Ollama 0.40 ออกตัวจริงแล้ว: บน Mac ชิป Apple Silicon โมเดลที่รองรับจะรันบน MLX เป็นค่าเริ่มต้น (Qwen3.8, Gemma 4, decision models) พร้อม embedding หลายโหมดตัวแรกอย่าง EmbeddingGemma 2
เครื่องมือนักพัฒนา

Ollama 0.40 ออกตัวจริงแล้ว: บน Mac ชิป Apple Silicon โมเดลที่รองรับจะรันบน MLX เป็นค่าเริ่มต้น (Qwen3.8, Gemma 4, decision models) พร้อม embedding หลายโหมดตัวแรกอย่าง EmbeddingGemma 2

Ollama v0.40.0 ฉบับเสถียร (แท็กชี้ไปที่ commit วันที่ 6 ต.ค. 2026 หลังผ่าน RC มา 4 รอบตั้งแต่ 25 ก.ย.) ทำให้โมเดลที่ MLX runtime รองรับรันบน MLX อัตโนมัติบน Mac ชิป Apple Silicon ได้แก่ Qwen3.8, Gemma 4, Qwen3.6, Qwen3.5 และ decision models อย่าง Clef/Nimble/Tev1 พร้อมเพิ่ม EmbeddingGemma 2 แบบรับภาพและเสียงผ่าน /api/embed แต่บันทึกรีลีสไม่มีตัวเลขความเร็ว

· อ่าน 3 นาที
Jeff — โมเดลตัดสินใจ 0.8B ที่รูปแบบคำขอเข้ากันได้กับ Jev เทรนบน GPU ตัวเดียวในบ้าน ตอบใน 22 ms ค่าเฉลี่ยรุ่น 2B ได้ 83.1 เท่ากับ Jev แต่ยังแพ้ขาดในงานที่ต้องใช้เหตุผล
โมเดลใหม่

Jeff — โมเดลตัดสินใจ 0.8B ที่รูปแบบคำขอเข้ากันได้กับ Jev เทรนบน GPU ตัวเดียวในบ้าน ตอบใน 22 ms ค่าเฉลี่ยรุ่น 2B ได้ 83.1 เท่ากับ Jev แต่ยังแพ้ขาดในงานที่ต้องใช้เหตุผล

โปรเจกต์อิสระ Jeff ปล่อยโมเดลตัดสินใจแบบ zero-shot สามตัว (Qwen3.5-0.8B, Qwen3.5-2B และ Gemma 4 E2B) ใช้รูปแบบคำขอเดียวกับ Jev เทรนทั้งหมดบน RTX PRO 6000 ตัวเดียวด้วยข้อมูลสังเคราะห์จากโมเดลเปิด รุ่น 0.8B ตัดสินใจใน 22 ms บน GPU และ 28 ms บน M4 Max น้ำหนัก Apache-2.0 โค้ด MIT

· อ่าน 4 นาที
Antigravity SDK รันเอเจนต์บนโมเดลในเครื่องได้แล้ว — Gemma 4 26B ผ่าน LiteRT แบบออฟไลน์ และต่อกับ Ollama, LM Studio หรือ vLLM ได้
เครื่องมือนักพัฒนา

Antigravity SDK รันเอเจนต์บนโมเดลในเครื่องได้แล้ว — Gemma 4 26B ผ่าน LiteRT แบบออฟไลน์ และต่อกับ Ollama, LM Studio หรือ vLLM ได้

Google เพิ่ม LiteRTAgentConfig และ LocalOpenAIAgentConfig ใน Antigravity SDK (Python) ทำให้ harness ตัวเดียวกับ Google Antigravity รันบน Gemma 4 26B A4B ในเครื่องได้โดยไม่ต้องต่อเน็ต หรือต่อกับเซิร์ฟเวอร์ที่ใช้ API แบบ OpenAI เช่น Ollama, LM Studio และ vLLM แนะนำให้มีหน่วยความจำ GPU หรือ unified memory มากกว่า 24GB

· อ่าน 5 นาที
Hugging Face + Cerebras เปิดสแตกเสียงเรียลไทม์แบบเปิดทั้งเส้น — Parakeet → Gemma 4 บน Cerebras → Qwen3-TTS สลับชิ้นส่วนได้อิสระ
เครื่องมือนักพัฒนา

Hugging Face + Cerebras เปิดสแตกเสียงเรียลไทม์แบบเปิดทั้งเส้น — Parakeet → Gemma 4 บน Cerebras → Qwen3-TTS สลับชิ้นส่วนได้อิสระ

1 ก.ค. 2026 Hugging Face จับมือ Cerebras ปล่อยสแตกสนทนาด้วยเสียงแบบเรียลไทม์ที่เปิดทั้งเส้น — Parakeet ถอดเสียง, Gemma 4 31B คิดบน Cerebras, Qwen3-TTS พูดกลับ — ทุกชิ้นเปิดและสลับได้ พร้อมโค้ดจริงบน GitHub และ argument ที่น่าสนใจว่าตัวฆ่าแอปเสียงคือ P95 tail latency ไม่ใช่ค่าเฉลี่ย

· อ่าน 5 นาที
Ollama 0.31 เร่ง Gemma 4 บน Apple Silicon เร็วขึ้นเกือบ 90% — เปิดใช้เป็นค่าเริ่มต้น ผลลัพธ์ไม่เปลี่ยน ด้วย multi-token prediction บน MLX
เครื่องมือนักพัฒนา

Ollama 0.31 เร่ง Gemma 4 บน Apple Silicon เร็วขึ้นเกือบ 90% — เปิดใช้เป็นค่าเริ่มต้น ผลลัพธ์ไม่เปลี่ยน ด้วย multi-token prediction บน MLX

29 มิ.ย. 2026 Ollama 0.31 ปล่อย multi-token prediction (MTP) สำหรับ Gemma 4 บน Apple Silicon ทำให้เจนโทเคนเร็วขึ้นเกือบ 90% บนเบนช์มาร์ก Aider polyglot (ทดสอบบน M5 Max, nvfp4) โดยเปิดใช้เป็นค่าเริ่มต้นและไม่เปลี่ยนผลลัพธ์ของโมเดล

· อ่าน 4 นาที
DiffusionGemma: Google เปิดโมเดลภาษาแบบ diffusion — เขียนข้อความเร็วขึ้น 4 เท่า แก้ตัวเองได้กลางทาง
โมเดลใหม่

DiffusionGemma: Google เปิดโมเดลภาษาแบบ diffusion — เขียนข้อความเร็วขึ้น 4 เท่า แก้ตัวเองได้กลางทาง

เมื่อ 10 มิ.ย. Google ปล่อย developer guide ของ DiffusionGemma — โมเดล open weight 26B MoE ที่สร้างข้อความด้วย discrete diffusion แทนการไล่ทีละ token ทำให้เร็วขึ้นถึง 4 เท่า (1000+ tokens/วินาที บน H100) มองข้อความทั้งบล็อกพร้อมกันและแก้ที่ผิดได้กลางทาง

· อ่าน 5 นาที