Gemma passerte en milliard nedlastinger — NASA kjører den allerede i bane

Gemma kjører på en personlig bærbar PC, en sykehus-enhet ved kanten av nettverket, eller en satellitt som krysser lav jordbane. Modellfamilien behandler bilder, genererer tekst og resonnerer seg gjennom komplekse problemer uten å koble seg til noen selskapers servere. Med én milliard nedlastinger er det det klareste beviset så langt på at etterspørselen etter KI uten overvåkingsbetingelser er reell og vokser raskt.

Eksterne utviklere har publisert mer enn 100 000 distinkte varianter av Gemma på Hugging Face og andre repositorier, og tilpasset de åpne vektene til spesifikke språk, snevre medisinske oppgaver og maskinvarekonfigurasjoner som Google selv aldri ville prioritert. Det tallet – 100 000 avledede modeller på omtrent to år – overgår den totale publiserte produksjonen fra de fleste dedikerte KI-forskningslaboratorier til sammen.

Spekteret av aktive utrullinger avslører hva åpenhet faktisk muliggjør i stor skala. Indias National Health Authority integrerte Gemma 4 i Aarogya Setu 2.0, en offentlig helseforvaltningsapp med over 100 millioner Android-nedlastinger, som lar innbyggere administrere sine medisinske journaler på tvers av leverandører uten at noen data forlater enheten deres. Forskere ved Yale og Google bygget et system kalt C2S-Scale på toppen av Gemma som genererte nye terapeutiske veier som senere ble verifisert i levende celler – beskrevet som første gang et KI-system produserte mekanistiske legemiddeloppdagelsesinnsikter som holdt stand i faktiske biologiske eksperimenter.

Romutrullingen er den som tar et øyeblikk å fordøye. NASAs Jet Propulsion Laboratory, i samarbeid med Satlyt og Starcloud, komprimerte en versjon av Gemma 3 4B til firebiters presisjon og kjørte den om bord i en bane-satellitt, hvor den klassifiserte satellittens egne sensorbilder med 88 prosent nøyaktighet. Ingen bakkeforbindelse, ingen latens fra Jorden, ingen inferensserver noe sted mellom modellen og dataene den analyserte.

Ingen av dette sletter prestasjonsgapet i frontlinjen. Modellene innenfor milliardnedlastingsantallet når ikke opp til skalaen til GPT-4o, Claude 4 eller Gemini 2.5 Pro, og uavhengige referansetester viser konsekvent at de henger etter på kompleks flertrinnsresonnering, langkontekstoppgaver og presis instruksjonsfølging i stor skala. Det gapet er nettopp grunnen til at Gemma vinner frem gjennom andre egenskaper – den er gratis, beviselig privat og utplasserbar i miljøer hvor skyforbindelse er en ulempe eller rett og slett ikke eksisterer.

For å organisere hva 100 000 utviklere har bygget, lanserte Google Awesome Gemma GitHub-repositoriet 20. august, en offisiell katalog over fellesskapets finjusteringer, verktøy og veiledninger som vedlikeholdes som en levende katalog. Den neste store kapasitetsoppdateringen av Gemma-familien er ikke annonsert, men med Google I/O 2026 som har vist integrasjoner på tvers av syv produktlinjer og Linux Foundation som innlemmer Gemma i sin kommende KI-infrastrukturspor, er nedlastingstallet ikke i ferd med å flate ut.

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