谷歌T5Gemma 2与FunctionGemma：小模型大创新

谷歌在AI领域的创新步伐真是令人瞩目啊～

刚刚在「大模型」领域用Gemini 3 Pro➕Flash给OpenAI带来不小的冲击后，谷歌又马不停蹄地在端侧「小模型」领域发力了！

就在昨天夜里，谷歌一口气放出了两个与技术博客相关的端侧技术，引起了广泛关注。

一个是T5Gemma 2，这是一个专门的底层架构创新，首个多模态长上下文码器-解码器模型开源，规模从270M–270M到4B–4B不等。

另一个是FunctionGemma，这是一个专为函数调用优化的270M（2.7亿参数）模型，可在手机、浏览器及其他设备上运行。

T5Gemma 2和FunctionGemma都来自Gemma 3家族，与「大模型」Gemini相比，它们可以被视为「小模型」。

虽然都是小模型，但它们专攻方向不同。T5Gemma 2专注于架构效率与多模态（Encoder-Decoder架构回归），而FunctionGemma则专注于智能体与工具使用（Function Calling能力）。

T5Gemma 2的架构与现在流行的LLM不同，可以说是AI技术领域的「另一条路」。

论文地址：https://arxiv.org/pdf/2512.14856

谷歌开源了T5Gemma 2：提供了270M–270M、1B–1B以及4B–4B三种规模的预训练模型。

开源地址：https://huggingface.co/collections/google/t5gemma-2

FunctionGemma可以被视为技能变体，它是对模型「技能」的专项训练，类似于从大模型中剥离出所有知识类能力，只保留针对性的函数调用功能。

开源地址：https://blog.google/technology/developers/functiongemma/

T5Gemma系列深层技术解析

我们先来看看T5Gemma 2这种「新结构」的优势：

强大的多模态性能：在多个基准测试中超越谷歌自己的Gemma 3。

全面提升的通用能力：在代码、推理和多语言等任务上，T5Gemma 2整体上优于对应规模的Gemma 3模型。

卓越的长上下文能力：相较于Gemma 3和第一代T5Gemma，在生成质量上取得了显著提升。