在AI界掀起波瀾的最新動態中，谷歌以雙重策略震撼了大模型戰場。一方面，T5Gemma的橫空出世重新點燃了encoder-decoder架構的戰火，性能實現了顯著提升；另一方面，MedGemma則堅守decoder-only路線，強勢進軍醫療多模態領域，打破了閉源壁壘。

自2023年以來，decoder-only架構幾乎壟斷了大模型的江湖。從GPT系列到LLaMA、Gemma、Mistral，再到Claude、Command-R、Yi系列，主流的大語言模型（LLM）幾乎清一色采用了這種“純解碼器”設計。然而，谷歌攜T5Gemma的回歸，打破了這一局面。

T5Gemma不僅重啟了encoder-decoder的技術路線，而且通過簡單的“適配”就實現了性能的飛躍，遠遠超過了原版Gemma 2。這一轉變令人矚目，T5Gemma 9B-9B在GSM8K（數學推理）上的得分比原始Gemma 2 9B高出9分，在DROP（閱讀理解）上的得分也高出4分。更令人驚訝的是，當進一步縮小參數量時，T5Gemma 2B-2B IT的MMLU得分比Gemma 2 2B提高了近12分，GSM8K準確率暴漲到70.7%。

T5Gemma主要針對文本生成任務，包括問答系統、數學推理、閱讀理解等。其encoder-decoder架構支持“不平衡”配置，例如9B編碼器配2B解碼器，能在質量和效率之間實現最佳平衡。在相同的計算量下，T5Gemma的性能優于僅解碼器模型，且靈活度更高，可以根據具體任務調整編碼器和解碼器的大小。

除了T5Gemma的技術回馬槍，Gemma 3系列也迎來了重大更新。谷歌此次專注于醫療多模態任務，推出了MedGemma和MedSigLIP兩款多模態模型。MedGemma支持圖文輸入，輸出醫學自由文本；而MedSigLIP則是輕量圖文編碼器。谷歌將“低資源友好”理念貫徹到底，MedGemma僅需4B模型即可逼近當前最優水平（SoTA），部署門檻極低，單卡甚至移動端也能輕松運行。

4億參數的MedSigLIP同樣表現出色，不僅在醫學圖像領域游刃有余，還擅長檢索、零樣本分類等非醫學下游任務。在Med系列的“開源雙子星”的推動下，醫療模型的閉源壁壘岌岌可危，同行們紛紛對谷歌表示祝賀和期待。

谷歌的T5Gemma和Med系列模型不僅在架構上實現了革新，更在產業落地方面邁出了堅實步伐。T5Gemma系列預訓練模型和指令微調模型已在Hugging Face上開源，助力社區在研究與開發中挖掘新機遇。而MedGemma和MedSigLIP的發布，更是直接將醫療AI的開源門檻大幅降低，醫療機構可以輕松下載、部署，并在本地或自定義云平臺完成推理與微調。

谷歌的這一波操作，不僅打破了閉源神話，更為整個AI社區樹立了“工具+自由+性能”的典范。從T5Gemma到MedGemma，世界級開源模型已經到來，接下來，就看開發者們如何大顯身手了。