--- title: "Gemma (Google) (TH)" source: "https://systems-analysis.info/int/Gemma_(Google)_(TH)" wiki: "systems-analysis.info/int" article: "Gemma_(Google)_(TH)" language: "th" categories: - "Category:Google" - "Category:Large language models" - "Category:LLM families" - "Category:Machine learning" - "Category:Thai" revision_id: 2565 wiki_created_at: 2026-09-06T23:06:13Z wiki_modified_at: 2026-09-06T23:06:13Z downloaded_at: 2026-09-07T22:52:10Z --- # Gemma (Google) (TH) **Gemma** — คือกลุ่มโมเดลภาษาที่เปิดให้เข้าถึงได้อย่างเสรี พัฒนาและเผยแพร่โดยบริษัท Google (แผนก Google DeepMind) โมเดล Gemma อ้างอิงฐานการวิจัยและเทคโนโลยีเดียวกันกับกลุ่มโมเดลหลักอย่าง Gemini และถูกวางตำแหน่งเป็นเวอร์ชันที่เบาและมีประสิทธิภาพสูงของ Gemini[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-ibm-what-is-gemma-1) ชื่อนี้มาจากคำภาษาละติน *gemma* ซึ่งหมายถึง «อัญมณี»[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-google-blog-intro-2) Gemma จัดอยู่ในหมวดหมู่ *open models* (โมเดลแบบเปิด): Google เผยแพร่น้ำหนักของโมเดล ซึ่งช่วยให้นักวิจัยและนักพัฒนาสามารถนำไปใช้งาน fine-tuning และเผยแพร่ต่อได้อย่างเสรี รวมถึงในโครงการเชิงพาณิชย์ โดยต้องเป็นไปตามเงื่อนไขการใช้งานอย่างมีความรับผิดชอบ[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-google-blog-intro-2) นี่คือความแตกต่างสำคัญจากโมเดล Gemini ที่สามารถเข้าถึงได้ผ่าน API บนคลาวด์เท่านั้น โมเดล Gemma สามารถทำงานได้ในเครื่องบนฮาร์ดแวร์สำหรับผู้บริโภค (โน้ตบุ๊ก คอมพิวเตอร์ตั้งโต๊ะที่มี GPU) ไม่ใช่แค่ในศูนย์ข้อมูลเท่านั้น[\[3\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-verge-gemma-gemini-3) ## การพัฒนาและการเปิดตัว กลุ่มโมเดล Gemma ประกอบด้วยหลายรุ่น แต่ละรุ่นนำมาซึ่งการปรับปรุงด้านสถาปัตยกรรม ประสิทธิภาพ และความสามารถ ### รุ่นแรก: Gemma 1 Gemma เวอร์ชันแรกเปิดตัวเมื่อ **21 กุมภาพันธ์ 2024**[\[4\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-techcrunch-launch-4) ประกอบด้วยโมเดลข้อความสองโมเดลที่อ้างอิงสถาปัตยกรรม decoder transformer: - **Gemma 2B** (2 พันล้านพารามิเตอร์) - **Gemma 7B** (7 พันล้านพารามิเตอร์) ในช่วงเวลาที่เปิดตัว Google ระบุว่าโมเดลเหล่านี้มีประสิทธิภาพเหนือกว่าโมเดลที่ใหญ่กว่าอย่างมีนัยสำคัญใน benchmark หลัก[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-google-blog-intro-2) โมเดลต้นฉบับเน้นภาษาอังกฤษเป็นหลัก แต่ได้รับการฝึกฝนบนข้อมูลที่หลากหลาย รวมถึงเอกสารจากเว็บ โค้ดโปรแกรม และโจทย์คณิตศาสตร์[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-ibm-what-is-gemma-1) โมเดลทั้งสองเผยแพร่ในสองรูปแบบ ได้แก่ แบบพื้นฐาน (*pre-trained*) และแบบที่ผ่านการ fine-tuning ตามคำสั่ง (*instruction-tuned*) เพื่อให้ปฏิบัติตามคำสั่งของผู้ใช้ได้ดีขึ้น[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-google-blog-intro-2) ### รุ่นที่สอง: Gemma 2 Gemma 2 ประกาศเมื่อ **27 มิถุนายน 2024** และนำมาซึ่งการปรับปรุงที่สำคัญ[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-ibm-what-is-gemma-1) - **ขนาดโมเดล**: มีการเปิดตัวโมเดลขนาด **9 และ 27 พันล้านพารามิเตอร์** โมเดลขนาดเล็กได้รับการฝึกฝนโดยใช้เทคนิค knowledge distillation จากโมเดลขนาดใหญ่เพื่อเพิ่มคุณภาพ[\[5\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-gemma2-report-5) - **หน้าต่าง context**: ขยายอย่างมีนัยสำคัญเป็น **80,000 token** (เทียบกับ 8,192 ในเวอร์ชันแรก)[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-venturebeat-gemma3-6)[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-gemma-arch-overview-7) - **การปรับปรุงสถาปัตยกรรม**: มีการนำกลไก *grouped-query attention* และรูปแบบ attention แบบสลับระหว่างโลคัลและโกลบอลมาใช้ เพื่อประสิทธิภาพในการจัดการ context ขนาดยาว[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-ibm-what-is-gemma-1) ### รุ่นที่สาม: Gemma 3 Gemma 3 เปิดตัวใน **เดือนมีนาคม 2025** ในฐานะก้าวถัดไปของกลุ่มโมเดล โดยเน้นด้าน multimodality และการขยายขอบเขตงาน[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-venturebeat-gemma3-6) - **Multimodality**: โมเดลรองรับรูปภาพและวิดีโอเป็น input ควบคู่กับข้อความ - **ขนาดและภาษา**: ครอบคลุมสี่ขนาด (1B, 4B, 12B, 27B) และรองรับภาษาได้มากถึง 140 ภาษา[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-venturebeat-gemma3-6) - **หน้าต่าง context**: เพิ่มขึ้นเป็น **128,000 token**[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-venturebeat-gemma3-6) ตามข้อมูลของ Google Gemma 3 27B แสดงผลลัพธ์ในระดับเดียวกับโมเดลแบบเปิดที่ดีที่สุดในยุคนั้น โดยได้คะแนนรองเพียงโมเดลเฉพาะทางอย่าง DeepSeek-R1 เท่านั้น[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-venturebeat-gemma3-6) ## สถาปัตยกรรมและคุณสมบัติทางเทคนิค โมเดล Gemma อ้างอิงสถาปัตยกรรม transformer ในรูปแบบ **«decoder เท่านั้น»** (*decoder-only*) ซึ่งคล้ายกับโมเดล GPT[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-gemma-arch-overview-7) ซึ่งหมายความว่าโมเดลสร้างข้อความแบบ autoregressive โดยทำนาย token ถัดไปจาก token ก่อนหน้าทั้งหมด องค์ประกอบทางเทคนิคที่สำคัญได้แก่: - **Rotary Positional Embeddings (RoPE)**: แทนที่จะใช้ positional embedding แบบสัมบูรณ์ จะใช้ RoPE ซึ่งช่วยให้เข้ารหัสข้อมูลตำแหน่งได้อย่างมีประสิทธิภาพ - **Multi-query และ Grouped-query attention**: เพื่อเพิ่มความเร็วและประหยัดหน่วยความจำในโมเดลขนาดเล็ก (เช่น Gemma 2B) ใช้ *multi-query attention* (key/value เดี่ยวสำหรับทุก attention head) ใน Gemma 2 มีการนำกลไก *grouped-query attention* มาใช้ โดย query จะถูกแบ่งเป็นกลุ่ม ซึ่งเป็นการประนีประนอมระหว่างความเร็วและคุณภาพ[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-ibm-what-is-gemma-1)[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-gemma-arch-overview-7) - **รูปแบบ attention แบบสลับ**: ใน Gemma 2 มีการใช้รูปแบบที่ชั้น global self-attention สลับกับชั้นที่มี «sliding window» แบบจำกัด ซึ่งช่วยให้ประมวลผล context ขนาดยาวได้อย่างมีประสิทธิภาพ[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-ibm-what-is-gemma-1) ## กลุ่มโมเดลและรูปแบบต่างๆ นอกจากโมเดลพื้นฐานสำหรับงานทั่วไปแล้ว Google ยังเปิดตัวเวอร์ชันสืบเนื่องจาก Gemma หลายตัวที่ปรับให้เหมาะกับงานเฉพาะ - **CodeGemma**: โมเดลสำหรับการสร้างและเติมเต็มโค้ดโปรแกรม รองรับ C++, C#, Go, Java, JavaScript, Python, Rust และภาษาอื่นๆ[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-ibm-what-is-gemma-1) - **DataGemma**: กลุ่มโมเดลที่ผ่านการ fine-tuning เพื่อการผสานรวมกับข้อมูลภายนอกโดยใช้เทคนิค RAG โมเดลสามารถส่งคำค้นหาไปยังฐานข้อมูล (เช่น Google Data Commons) เพื่อเพิ่มความถูกต้องเชิงข้อเท็จจริงของคำตอบ[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-ibm-what-is-gemma-1) - **PaliGemma**: โมเดล multimodal ที่รับรูปภาพและข้อความเป็น input ออกแบบสำหรับงานถามตอบด้านภาพ เช่น การอธิบายรูปภาพและการจดจำวัตถุ[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-ibm-what-is-gemma-1) - **RecurrentGemma**: รูปแบบทดลองที่ใช้สถาปัตยกรรมไฮบริด *Griffin* ซึ่งผสมผสาน local attention และการเชื่อมโยงแบบ recurrent เชิงเส้น ทำให้เร่งความเร็วการสร้างลำดับยาวได้อย่างมีนัยสำคัญ[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-gemma-arch-overview-7) - **MedGemma**: เวอร์ชันเฉพาะทางของ Gemma 3 สำหรับด้านการแพทย์ ประกอบด้วยโมเดล multimodal (4B) และโมเดลข้อความ (27B) สำหรับวิเคราะห์ภาพทางการแพทย์ (ภาพเอกซเรย์ ภาพตัดขวาง) และเอกสารทางคลินิก โมเดลเผยแพร่แบบเปิด แต่ไม่ได้ออกแบบมาเพื่อการใช้งานทางคลินิกโดยตรงโดยไม่มีการตรวจสอบเพิ่มเติม[\[8\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-infoq-medgemma-8) - **DolphinGemma**: โครงการวิจัยเกี่ยวกับการประยุกต์ใช้เทคโนโลยี Gemma เพื่อถอดรหัสการสื่อสารของโลมา โมเดลได้รับการฝึกฝนบนการบันทึกเสียงหลายปีและใช้เพื่อค้นหารูปแบบในภาษาของสัตว์[\[9\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-smithsonian-dolphin-9) ## ความพร้อมใช้งานและการประยุกต์ โมเดล Gemma พร้อมใช้งานบนแพลตฟอร์ม **Kaggle** และ **Hugging Face** รวมถึงผสานรวมกับบริการ **Google Colab** และ **Vertex AI Model Garden**[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-google-blog-intro-2) เพื่อเร่งความเร็วการ inference Google ได้ร่วมมือกับ NVIDIA ในการปรับโมเดลให้เหมาะสมสำหรับ TensorRT เงื่อนไขสัญญาอนุญาตของ Gemma อนุญาตให้ใช้งาน **เชิงพาณิชย์** และแก้ไขโมเดลได้ ซึ่งแตกต่างจากโครงการแบบเปิดบางโครงการ การเผยแพร่อยู่ภายใต้สัญญาอนุญาต **Responsible AI License** ซึ่งกำหนดข้อจำกัดการใช้งานในบางด้าน (เช่น การพัฒนาอาวุธ) และกำหนดให้ผลิตภัณฑ์ที่สืบเนื่องต้องปฏิบัติตามหลักการใช้ AI อย่างปลอดภัยและมีจริยธรรม[\[3\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-verge-gemma-gemini-3) ## ความปลอดภัยและความรับผิดชอบ นักพัฒนาให้ความสำคัญอย่างมากกับประเด็นความปลอดภัย โดยคำนึงถึงลักษณะเปิดของโมเดล - **การกรองข้อมูล**: ในการเตรียม dataset สำหรับฝึกฝน ข้อมูลส่วนบุคคลและข้อมูลที่ละเอียดอ่อนอื่นๆ ถูกกรองออกโดยอัตโนมัติเพื่อลดความเสี่ยงในการรั่วไหล[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-google-blog-intro-2) - **Alignment**: เวอร์ชันที่ปฏิบัติตามคำสั่งของโมเดลผ่านกระบวนการ alignment หลายขั้นตอน โดยใช้เทคนิค *Supervised Fine-Tuning (SFT)* และ RLHF (การเรียนรู้แบบ Reinforcement Learning จากข้อเสนอแนะของมนุษย์) เพื่อปลูกฝังรูปแบบการตอบสนองที่พึงประสงค์[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-ibm-what-is-gemma-1) - **Red Teaming**: ก่อนเปิดตัว โมเดลถูกทดสอบอย่างเข้มข้นเพื่อตรวจสอบความทนทานต่อคำขอที่เป็นอันตราย ผู้เชี่ยวชาญพยายามกระตุ้นให้โมเดลสร้างเนื้อหาที่เป็นอันตรายหรือไม่พึงประสงค์เพื่อค้นหาช่องโหว่[\[3\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-verge-gemma-gemini-3) - **Responsible AI Toolkit**: พร้อมกับโมเดล Google เผยแพร่ชุดเครื่องมือเพื่ออำนวยความสะดวกในการนำไปใช้อย่างปลอดภัย รวมถึงยูทิลิตี **Gemma Debugger** สำหรับวิเคราะห์สถานะภายในของโมเดล และตัวจำแนกเนื้อหาที่ไม่พึงประสงค์[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-google-blog-intro-2) - **ShieldGemma**: โมเดลตัวกรองเฉพาะทางที่ออกแบบมาเพื่อป้องกันการสร้างเนื้อหาที่ไม่ปลอดภัยในเวอร์ชัน multimodal ของ Gemma[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_note-venturebeat-gemma3-6) ## ลิงก์ - หน้าอย่างเป็นทางการของ Gemma บนเว็บไซต์ Google AI - โมเดล Gemma บน Hugging Face ## บรรณานุกรม - 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. ## หมายเหตุ 1. ↑ [1.00](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-ibm-what-is-gemma_1-0) [1.01](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-ibm-what-is-gemma_1-1) [1.02](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-ibm-what-is-gemma_1-2) [1.03](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-ibm-what-is-gemma_1-3) [1.04](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-ibm-what-is-gemma_1-4) [1.05](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-ibm-what-is-gemma_1-5) [1.06](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-ibm-what-is-gemma_1-6) [1.07](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-ibm-what-is-gemma_1-7) [1.08](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-ibm-what-is-gemma_1-8) [1.09](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-ibm-what-is-gemma_1-9) «What Is Google Gemma?». *IBM*. [1] 2. ↑ [2.0](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-google-blog-intro_2-0) [2.1](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-google-blog-intro_2-1) [2.2](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-google-blog-intro_2-2) [2.3](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-google-blog-intro_2-3) [2.4](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-google-blog-intro_2-4) [2.5](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-google-blog-intro_2-5) [2.6](https://systems-analysis.info/int/Gemma_(Google)_(TH)#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)_(TH)#cite_ref-verge-gemma-gemini_3-0) [3.1](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-verge-gemma-gemini_3-1) [3.2](https://systems-analysis.info/int/Gemma_(Google)_(TH)#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)_(TH)#cite_ref-techcrunch-launch_4-0) «Google launches two new open LLMs». *TechCrunch*. [4] 5. [↑](https://systems-analysis.info/int/Gemma_(Google)_(TH)#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)_(TH)#cite_ref-venturebeat-gemma3_6-0) [6.1](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-venturebeat-gemma3_6-1) [6.2](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-venturebeat-gemma3_6-2) [6.3](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-venturebeat-gemma3_6-3) [6.4](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-venturebeat-gemma3_6-4) [6.5](https://systems-analysis.info/int/Gemma_(Google)_(TH)#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)_(TH)#cite_ref-gemma-arch-overview_7-0) [7.1](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-gemma-arch-overview_7-1) [7.2](https://systems-analysis.info/int/Gemma_(Google)_(TH)#cite_ref-gemma-arch-overview_7-2) [7.3](https://systems-analysis.info/int/Gemma_(Google)_(TH)#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)_(TH)#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)_(TH)#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]