Gemma 4 静默更新修复问题

关键信息

Google 表示，开启 Flash Attention 4 后，Gemma 4 在 Hopper GPU 上处理提示词的速度可提升 25% 到 70%，首个 token 的响应时间最多可缩短 31%。公开基准只对比了 31B 和 E4B 版本，但 Hugging Face 仓库显示，Gemma 4 系列的所有参数规模都已更新，包括最新的 12B 版本。

资讯摘要

Google 对 Gemma 4 进行了一个悄悄发布的更新，在不更改模型名称的情况下，带来了性能提升和多个实际问题修复。根据 Google 的说法，开启 Flash Attention 4 后，Gemma 4 在 Nvidia Hopper GPU 上处理提示词的速度可提升 25% 到 70%。同时，首个 token 的生成时间最多可缩短 31%，这对交互式应用尤其重要，因为用户会直接感受到延迟变化。Google 还修复了工具调用相关的漏洞，工具调用是指模型能够自主决定何时调用外部工具。除此之外，Google 表示还减少了模型提前截断回答或返回不完整内容的情况。

对于图像处理场景，用户可以把 max_soft_tokens 从 280 手动提高到 1,120，以提升 OCR 效果，并支持最高 2.51 兆像素的输入。Google 还在 Hugging Face 上提供了一个交互式配置器，帮助用户调整这些图像参数。文章指出，官方公布的基准只对比了 31B 和 E4B 版本与各自前代的表现，但 Hugging Face 仓库显示，Gemma 4 的所有参数规模都已更新，包括较新的 12B 版本。社区争议主要集中在命名上，一些用户认为 Google 不该把这些变化仍然放在同一个 Gemma 4 名称下，而应该单独标记为类似 Gemma 4.1 的新版本。

来源与参考

1. 原始链接
2. Gemma 4 gets a stealth update that fixes tool calling bugs and truncated responses under the same name