Gemma nåede en milliard downloads — NASA kørte den allerede i en satellit

Gemma kører på en personlig bærbar, en hospitals-edge-enhed eller en satellit i lavt jordkredsløb. Modelfamilien behandler billeder, genererer tekst og ræsonnerer gennem komplekse problemer uden at forbinde til nogen virksomheds servere. En milliard downloads senere er det det klareste bevis endnu på, at efterspørgslen efter AI uden overvågningsbetingelser er reel og vokser hurtigt.

Eksterne udviklere har offentliggjort over 100.000 forskellige varianter af Gemma på Hugging Face og andre repositories, hvor de har tilpasset de åbne vægte til specifikke sprog, nicher inden for medicinske opgaver og hardwarekonfigurationer, som Google selv aldrig ville prioritere. Det tal – 100.000 afledte modeller på cirka to år – overstiger den samlede offentliggjorte produktion fra de fleste dedikerede AI-forskningslaboratorier tilsammen.

Spændvidden af aktive implementeringer viser, hvad åbenhed faktisk muliggør i stor skala. Indiens National Health Authority indlejrede Gemma 4 i Aarogya Setu 2.0, en app til offentlig sundhedsforvaltning med over 100 millioner Android-downloads, der giver borgerne mulighed for at administrere deres medicinske journaler på tværs af udbydere uden at nogen data forlader deres enhed. Forskere fra Yale og Google byggede et system kaldet C2S-Scale oven på Gemma, som genererede nye terapeutiske veje, der efterfølgende blev verificeret i levende celler – beskrevet som første gang et AI-system producerede mekanistiske lægemiddelopdagelsesindsigter, der holdt i faktiske biologiske eksperimenter.

Rumimplementeringen er den, der kræver et øjebliks eftertanke. NASA’s Jet Propulsion Laboratory, i samarbejde med Satlyt og Starcloud, komprimerede en version af Gemma 3 4B til fire-bit præcision og kørte den ombord på en orbital satellit, hvor den klassificerede satellittens egne sensoroptagelser med 88 procents nøjagtighed. Ingen jordforbindelse, ingen latenstid fra Jorden, ingen inferensserver nogen steder mellem modellen og de data, den analyserede.

Intet af dette udvisker præstationskløften på frontlinjen. Modellerne inden for milliard-downloads-tællingen topper langt under skalaen for GPT-4o, Claude 4 eller Gemini 2.5 Pro, og uafhængige benchmarks viser konsekvent, at de halter bagefter på kompleks flertrinsræsonnering, langkontekst-opgaver og præcis instruktionsfølgning i stor skala. Netop den kløft er præcis grunden til, at Gemma vinder sin adoption gennem andre egenskaber – den er gratis, bevist privat og anvendelig i miljøer, hvor cloudforbindelse er en hæmsko eller simpelthen ikke eksisterer.

For at organisere, hvad 100.000 udviklere har bygget, lancerede Google Awesome Gemma GitHub-repositoriet den 20. august, en officiel katalog over community-finetunes, værktøjer og tutorials, der vedligeholdes som et levende katalog. Den næste større kapacitetsopdatering til Gemma-familien er ikke blevet annonceret, men med Google I/O 2026, der har vist integrationer på tværs af syv produktlinjer, og Linux Foundation, der inkorporerer Gemma i sit kommende AI-infrastrukturspor, er download-tallet ikke ved at flade ud.

Tags: Google, AI-modeller, Google DeepMind, lokal AI, nasa, Gemma