Google launcht hochfunktionale Gemma 3-Modelle – und überrascht mit Gemini 2.0 Robotics

Dabei schlägt Gemma 3 laut Google andere Modelle wie OpenAIs o3, DeepSeek V3 und Llama-405B im LMArena Leaderboard, wenn es um die Bewertung menschlicher Präferenzen geht. Deshalb können Developer damit passende User-Erfahrungen kreieren, die auf nur einer GPU oder TPU laufen können. Zusätzlich bietet Gemma 3 Support für 35 Sprachen und eine Pre-Training für 140 Sprachen. Mithilfe der KI lassen sich Apps erstellen, die zum Beispiel Texte, Bilder und Videos erkennen und analysieren können. Ein 128k-Token-Kontextfenster kann zudem komplexere Datenverarbeitungen ermöglichen. Und Function Calling sowie der strukturierte Output sollen für die Optimierung der Automatisierung und von agentischen Handlungen sorgen.

Wer Gemma nutzt, kann diese Modelle direkt in Workflows integrieren, da Hugging Face Transformers, Ollama, JAX, Keras, PyTorch, Google AI Edge, UnSloth, vLLM und Gemma.cpp Unterstützung erfahren. Über Hugging Face, Ollama oder Kaggle können Interessierte die Modelle herunterladen oder diese im AI Studio – auch im Browser – direkt testen. Mit dem Google GenAI SDK und dem API Key aus dem Studio lassen sich die Modelle direkt nutzen. Developer können ihre eigenen Gemma-Kreationen personalisieren und anpassen und so zum Gemmaverse beitragen.

Auch Gemini 2.0 sorgt für Aufsehen: Neue Bildgenerierung und KI in der physischen Robotics-Welt

Im AI Studio können User inzwischen auf die sogenannte Native Image Generation zurückgreifen. Dafür ist die neue Modellversion Gemini 2.0 Flash Experimental verantwortlich, eine Variante von dem laut Google „besten KI-Modell der Welt“ Gemini 2.0. In Googles Beispiel werden automatisch KI-Bilder für einzelne Schritte einer Rezeptangabe integriert, weil der User darum gebeten hat. Diese native Einbettung zeigt Geminis multimodale Fähigkeiten.

Say hello to native image generation with Gemini 2.0 Flash Experimental 🎨

Try it now in @Google AI Studio → https://t.co/6ToDu4GSvj pic.twitter.com/yr3Mr21KkL

— Google DeepMind (@GoogleDeepMind) March 12, 2025

Auf Multimodalität in Kombination mit physischer Handlungsfähigkeit setzt indes Googles Bereich Gemini 2.0 Robotics. Laut Google CEO Sundar Pichai können die neuen Modelle der Gemini 2.0 Robotics-Reihe in verschiedenen Szenarien eingesetzt werden und ah hoc Änderungen adaptieren und auf die visuelle Umgebung reagieren.

Auf Threads ansehen

Dabei unterstützen das Advanced Vision-Language-Action (VLA) Model Gemini Robotics sowie Gemini Robotics-ER, ein Gemini-Modell mit verbessertem räumlichen Verständnis, das den Maschinen mehr Eigenständigkeit beim Ausführen ihrer Programm liefert. Carolina Parada erklärt auf dem DeepMind Blog:

[…] Both of these models enable a variety of robots to perform a wider range of real-world tasks than ever before. As part of our efforts, we’re partnering with Apptronik to build the next generation of humanoid robots with Gemini 2.0. We’re also working with a selected number of trusted testers to guide the future of Gemini Robotics-ER. We look forward to exploring our models’ capabilities and continuing to develop them on the path to real-world applications.

Wie die Robotics-Modelle IRL agieren, kannst du dir in einem Demovideo von Google anschauen.

Modelle wie Gemini 2.0, solche, die auf Gemma 3 basieren und die vielen Alternativen von Anthropic, OpenAI, Microsoft, Meta und Co. werden die hochtechnologisierte Welt, in der wir leben, nachhaltig verändern – von der App auf dem Smartphone bis zum arbeitenden Roboter.

---

Das „beste KI-Modell der Welt“:

Gemini 2.0 Flash erhält neue Versionen