--- title: "Gemma (Google) (CS)" source: "https://systems-analysis.info/int/Gemma_(Google)_(CS)" wiki: "systems-analysis.info/int" article: "Gemma_(Google)_(CS)" language: "cs" categories: - "Category:Czech" - "Category:Google" - "Category:Large language models" - "Category:LLM families" - "Category:Machine learning" revision_id: 2548 wiki_created_at: 2026-09-06T23:05:58Z wiki_modified_at: 2026-09-06T23:05:58Z downloaded_at: 2026-09-07T22:52:03Z --- # Gemma (Google) (CS) **Gemma** — je rodina volně dostupných jazykových modelů, vyvinutých a vydaných společností Google (divize Google DeepMind). Modely Gemma jsou postaveny na stejném výzkumném a technologickém základu jako vlajková rodina Gemini a jsou prezentovány jako jejich odlehčené, vysoce výkonné verze[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-ibm-what-is-gemma-1). Název pochází z latinského slova *gemma*, znamenajícího „drahokam"[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-google-blog-intro-2). Gemma patří do kategorie *open models* (otevřené modely): Google zveřejňuje váhy modelů, což umožňuje výzkumníkům a vývojářům je volně používat, dolaďovat a šířit, a to i v komerčních projektech, při dodržení podmínek odpovědného využívání[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-google-blog-intro-2). To je klíčový rozdíl od modelů Gemini, k nimž je přístup možný pouze prostřednictvím cloudových API. Modely Gemma jsou schopny fungovat lokálně na spotřebitelském hardwaru (noteboocích, stolních počítačích s GPU), nejen v datových centrech[\[3\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-verge-gemma-gemini-3). ## Vývoj a vydání Rodina Gemma zahrnuje několik generací modelů, z nichž každá přinesla vylepšení v architektuře, výkonu a možnostech. ### První generace: Gemma 1 První verze Gemma byla vydána **21. února 2024**[\[4\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-techcrunch-launch-4). Zahrnovala dva textové modely založené na architektuře dekodérového transformeru: - **Gemma 2B** (2 miliardy parametrů) - **Gemma 7B** (7 miliard parametrů) V době vydání Google prohlašoval, že tyto modely předčí výrazně větší alternativy v klíčových benchmarcích[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-google-blog-intro-2). Původní modely byly převážně anglicky zaměřené, ale trénovány na různorodých datech, včetně webových dokumentů, programového kódu a matematických úloh[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-ibm-what-is-gemma-1). Oba modely byly vydány ve dvou variantách: základní (*pre-trained*) a instrukčně doladěné (*instruction-tuned*) pro lepší následování příkazů uživatele[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-google-blog-intro-2). ### Druhá generace: Gemma 2 Gemma 2 byla oznámena **27. června 2024** a přinesla významná vylepšení[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-ibm-what-is-gemma-1). - **Velikosti modelů**: Byly vydány modely s **9 a 27 miliardami parametrů**. Menší varianty byly trénovány s využitím metody destilace znalostí z většího modelu za účelem zvýšení kvality[\[5\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-gemma2-report-5). - **Kontextové okno**: Bylo výrazně rozšířeno na **80 000 tokenů** (v porovnání s 8192 v první verzi)[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-venturebeat-gemma3-6)[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-gemma-arch-overview-7). - **Architektonická vylepšení**: Byly zavedeny mechanismy *grouped-query attention* a střídající se schéma lokální a globální pozornosti pro efektivní práci s dlouhým kontextem[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-ibm-what-is-gemma-1). ### Třetí generace: Gemma 3 Gemma 3 byla představena v **březnu 2025** jako další krok v rozvoji rodiny s důrazem na multimodalitu a rozšířený záběr úloh[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-venturebeat-gemma3-6). - **Multimodalita**: Modely získaly podporu obrázků a videa jako vstupních dat společně s textem. - **Velikosti a jazyky**: Modelová řada zahrnuje čtyři velikosti (1B, 4B, 12B, 27B) a podporuje až 140 jazyků[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-venturebeat-gemma3-6). - **Kontextové okno**: Zvětšeno na **128 000 tokenů**[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-venturebeat-gemma3-6). Podle údajů Google dosáhla Gemma 3 27B výsledků na úrovni nejlepších otevřených modelů své doby, přičemž v žebříčcích zaostala pouze za specializovanými modely, jako je DeepSeek-R1[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-venturebeat-gemma3-6). ## Architektura a technické vlastnosti Modely Gemma jsou postaveny na architektuře transformeru v konfiguraci **„pouze dekodér"** (*decoder-only*), analogické modelům GPT[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-gemma-arch-overview-7). To znamená, že model generuje text autoregresivně, přičemž předpovídá následující token na základě všech předchozích. Klíčová technická řešení zahrnují: - **Rotační poziční embeddingy (RoPE)**: Namísto absolutních pozičních embeddingů jsou využívány RoPE, což umožňuje efektivní kódování poziční informace. - **Multi-query a Grouped-query attention**: Pro urychlení a úsporu paměti v menších modelech (např. Gemma 2B) je využíváno *multi-query attention* (jeden klíč/hodnota pro všechny hlavy pozornosti). V Gemma 2 byl zaveden mechanismus *grouped-query attention*, kde jsou dotazy rozděleny do skupin, což představuje kompromis mezi rychlostí a kvalitou[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-ibm-what-is-gemma-1)[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-gemma-arch-overview-7). - **Střídající se schéma pozornosti**: V Gemma 2 je realizováno schéma, kde se vrstvy s globální vlastní pozorností střídají s vrstvami s omezeným „klouzavým oknem", což umožňuje efektivní zpracování dlouhých kontextů[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-ibm-what-is-gemma-1). ## Rodina modelů a varianty Kromě univerzálních základních modelů vydal Google několik odvozených verzí Gemma optimalizovaných pro konkrétní úlohy. - **CodeGemma**: Model pro generování a doplňování programového kódu, podporující C++, C#, Go, Java, JavaScript, Python, Rust a další jazyky[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-ibm-what-is-gemma-1). - **DataGemma**: Rodina modelů doladěných pro integraci s externími daty s využitím technik RAG. Model je schopen provádět vyhledávací dotazy do databází (např. Google Data Commons) pro zvýšení faktické přesnosti odpovědí[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-ibm-what-is-gemma-1). - **PaliGemma**: Multimodální model schopný přijímat na vstupu obrázky i text. Je určen pro úlohy vizuálního otázání a odpovídání, jako je popis obrázků a rozpoznávání objektů[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-ibm-what-is-gemma-1). - **RecurrentGemma**: Experimentální varianta s hybridní architekturou *Griffin*, kombinující lokální pozornost a lineární rekurentní vazby. To umožňuje výrazné urychlení generování dlouhých sekvencí[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-gemma-arch-overview-7). - **MedGemma**: Specializovaná verze Gemma 3 pro medicínskou oblast. Zahrnuje multimodální (4B) a textové (27B) modely pro analýzu lékařských snímků (rentgenogramů, řezů) a klinických dokumentů. Modely jsou šířeny jako otevřené, avšak nejsou určeny k přímému klinickému použití bez dodatečné validace[\[8\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-infoq-medgemma-8). - **DolphinGemma**: Výzkumný projekt aplikující technologie Gemma k dešifrování komunikace delfínů. Model je trénován na mnohaletých audio nahrávkách a slouží k odhalování vzorců v jazyce zvířat[\[9\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-smithsonian-dolphin-9). ## Dostupnost a využití Modely Gemma jsou dostupné na platformách **Kaggle** a **Hugging Face** a jsou také integrovány do služeb **Google Colab** a **Vertex AI Model Garden**[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-google-blog-intro-2). Pro urychlení inference provedl Google ve spolupráci s NVIDIA adaptaci modelů pro TensorRT. Licenční podmínky Gemma umožňují **komerční využití** a úpravy modelů, což je odlišuje od některých jiných otevřených projektů. Šíření je regulováno licencí **Responsible AI License**, která ukládá omezení na použití v určitých oblastech (např. vývoj zbraní) a požaduje od odvozených produktů dodržování zásad bezpečného a etického využívání AI[\[3\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-verge-gemma-gemini-3). ## Bezpečnost a odpovědnost Vývojáři věnovali velkou pozornost otázkám bezpečnosti s ohledem na otevřený charakter modelů. - **Filtrování dat**: Při přípravě tréninkových datasetů byly automaticky odfiltrovány osobní údaje a další citlivé informace za účelem snížení rizika úniků[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-google-blog-intro-2). - **Vyrovnání (Alignment)**: Instrukční verze modelů prošly vícestupňovým vyrovnáním s využitím metodik *Supervised Fine-Tuning (SFT)* a RLHF (zpětnovazební učení na základě hodnocení člověkem) pro upevnění preferovaných stylů odpovědí[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-ibm-what-is-gemma-1). - **Red Teaming**: Před vydáním byly modely podrobeny hloubkové prověrce odolnosti vůči záškodnickým dotazům. Experti se pokoušeli vyprovokovat generování nebezpečného nebo nežádoucího obsahu za účelem odhalení zranitelností[\[3\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-verge-gemma-gemini-3). - **Sada nástrojů Responsible AI Toolkit**: Spolu s modely vydal Google sadu nástrojů pro usnadnění bezpečného nasazení, včetně nástroje **Gemma Debugger** pro analýzu vnitřních stavů modelu a klasifikátorů nežádoucího obsahu[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-google-blog-intro-2). - **ShieldGemma**: Specializovaný model-filtr určený k prevenci generování nebezpečného obsahu v multimodálních verzích Gemma[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_note-venturebeat-gemma3-6). ## Odkazy - Oficiální stránka Gemma na webu Google AI - Modely Gemma na Hugging Face ## Literatura - Mesnard, T. et al. (2024). *Gemma: Open Models Based on Gemini Research and Technology*. arXiv:2403.08295. - Rivière, M. et al. (2024). *Gemma 2: Improving Open Language Models at a Practical Size*. arXiv:2408.00118. - Kamath, A. et al. (2025). *Gemma 3 Technical Report*. arXiv:2503.19786. - Zhao, H. et al. (2024). *CodeGemma: Open Code Models Based on Gemma*. arXiv:2406.11409. - Beyer, L. et al. (2024). *PaliGemma: A Versatile 3B VLM for Transfer*. arXiv:2407.07726. - Steiner, A. et al. (2024). *PaliGemma 2: A Family of Versatile VLMs for Transfer*. arXiv:2412.03555. - Botev, A. et al. (2024). *RecurrentGemma: Moving Past Transformers for Efficient Open Language Models*. arXiv:2404.07839. - Ainslie, J. et al. (2023). *GQA: Training Generalized Multi‑Query Transformer Models from Multi‑Head Checkpoints*. arXiv:2305.13245. - Chinnakonduru, S. S. & Mohapatra, A. (2024). *Weighted Grouped Query Attention in Transformers*. arXiv:2407.10855. - Su, J. et al. (2021). *RoFormer: Enhanced Transformer with Rotary Position Embedding*. arXiv:2104.09864. - Radhakrishnan, P. et al. (2024). *Knowing When to Ask — Bridging Large Language Models and Data*. arXiv:2409.13741. ## Poznámky 1. ↑ [1.00](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-ibm-what-is-gemma_1-0) [1.01](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-ibm-what-is-gemma_1-1) [1.02](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-ibm-what-is-gemma_1-2) [1.03](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-ibm-what-is-gemma_1-3) [1.04](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-ibm-what-is-gemma_1-4) [1.05](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-ibm-what-is-gemma_1-5) [1.06](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-ibm-what-is-gemma_1-6) [1.07](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-ibm-what-is-gemma_1-7) [1.08](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-ibm-what-is-gemma_1-8) [1.09](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-ibm-what-is-gemma_1-9) «What Is Google Gemma?». *IBM*. [1] 2. ↑ [2.0](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-google-blog-intro_2-0) [2.1](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-google-blog-intro_2-1) [2.2](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-google-blog-intro_2-2) [2.3](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-google-blog-intro_2-3) [2.4](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-google-blog-intro_2-4) [2.5](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-google-blog-intro_2-5) [2.6](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-google-blog-intro_2-6) «Gemma: Google introduces new state-of-the-art open models». *Google Developers Blog*. [2] 3. ↑ [3.0](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-verge-gemma-gemini_3-0) [3.1](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-verge-gemma-gemini_3-1) [3.2](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-verge-gemma-gemini_3-2) «Google's open-source Gemma AI models draw from the research behind Gemini». *The Verge*. [3] 4. [↑](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-techcrunch-launch_4-0) «Google launches two new open LLMs». *TechCrunch*. [4] 5. [↑](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-gemma2-report_5-0) «Gemma 2: Improving Open Language Models at a Practical Size». *Google*. 6. ↑ [6.0](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-venturebeat-gemma3_6-0) [6.1](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-venturebeat-gemma3_6-1) [6.2](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-venturebeat-gemma3_6-2) [6.3](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-venturebeat-gemma3_6-3) [6.4](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-venturebeat-gemma3_6-4) [6.5](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-venturebeat-gemma3_6-5) «Google unveils open source Gemma 3 model with 128k context window». *VentureBeat*. [5] 7. ↑ [7.0](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-gemma-arch-overview_7-0) [7.1](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-gemma-arch-overview_7-1) [7.2](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-gemma-arch-overview_7-2) [7.3](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-gemma-arch-overview_7-3) «Gemma explained: An overview of Gemma model family architectures». *Google Developers Blog*. [6] 8. [↑](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-infoq-medgemma_8-0) «Google Releases MedGemma: Open AI Models for Medical Text and Image Analysis». *InfoQ*. [7] 9. [↑](https://systems-analysis.info/int/Gemma_(Google)_(CS)#cite_ref-smithsonian-dolphin_9-0) «Google Is Training a New A.I. Model to Decode Dolphin Chatter—and Potentially Talk Back». *Smithsonian Magazine*. [8]