模型
A tiny LLM designed for edge devices, with 270 million parameters.
已跟踪 2 条高相关材料
最近变化
2026-05-21 · Function Gemma模型在Pixel 7上以270M参数运行，预填处理速度达到近2000 token/秒，出厂时在固定应用意图上准确率达到46%。
为什么值得关注
Function Gemma 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
TLMs: Tiny LLMs and Agents on Edge Devices with @cormacb https://t.co/u0fHD7j5kZ Function Gemma s...
AI Engineer(@aiDotEngineer) · 8.5 分
本文介绍了Tiny LLMs和Agents在边缘设备上的应用，特别是Function Gemma模型在Pixel 7上的性能表现，以及开发者在设备上实现AI的两种路径：基于Gemma 4的技能框架和Eloquent生产转录应用。
Google Tensor SDK Beta with LiteRT
Google Developers Blog · 6.5 分
Google发布Tensor SDK Beta版本，为Pixel 10系列设备提供设备端机器学习能力，通过与LiteRT的深度集成实现统一的开发工作流，并推出包含100+模型的Model Garden，支持PyTorch/TFLite模型编译和TPU推理部署。
已收录 2 条与 Function Gemma 相关的内容，按评分排序。
本文介绍了Tiny LLMs和Agents在边缘设备上的应用，特别是Function Gemma模型在Pixel 7上的性能表现，以及开发者在设备上实现AI的两种路径：基于Gemma 4的技能框架和Eloquent生产转录应用。
入选理由：Function Gemma模型在Pixel 7上以270M参数运行，预填处理速度达到近2000 token/秒，出厂时在固定应用意图上准确率达到46%。
Google发布Tensor SDK Beta版本，为Pixel 10系列设备提供设备端机器学习能力，通过与LiteRT的深度集成实现统一的开发工作流，并推出包含100+模型的Model Garden，支持PyTorch/TFLite模型编译和TPU推理部署。
入选理由：Tensor SDK Beta现已支持Pixel 10系列设备，可调用Tensor SoC中专用TPU进行推理加速
