Gemma 3n: Panduan Pengembang On-Device

1

Rilis penuh Gemma 3n sebagai arsitektur mobile-first dengan kemampuan AI multimodal on-device.

2

Mendukung input gambar, audio, video, dan teks, serta output teks.

3

Tersedia dua ukuran efisien: E2B (5B parameter dengan footprint ~2GB) dan E4B (8B parameter dengan footprint ~3GB).

4

Arsitektur MatFormer bersarang menyediakan submodel E2B dan E4B serta opsi kustomisasi ukuran model lewat Mix-n-Match.

5

Per-Layer Embeddings (PLE) memindahkan embeddings lapisan ke CPU untuk efisiensi memori accelerator.

6

KV Cache Sharing mempercepat pemrosesan konteks panjang hingga 2x pada streaming input.

7

Audio encoder USM mendukung Automatic Speech Recognition (ASR) dan Automatic Speech Translation (AST) on-device.

8

MobileNet-V5-300M sebagai encoder visi ringan, cepat (60 fps) dengan footprint kecil dan akurasi tinggi.

9

Dukungan luas pada alat open source (Hugging Face, llama.cpp, Docker, dll.) dan Gemma 3n Impact Challenge.

10

Panduan memulai lewat AI Studio, unduhan model di Hugging Face/Kaggle, dokumentasi, integrasi, dan berbagai opsi deployment.