新智元报道

编辑：海狸

【新智元导读】Google双线出击！T5Gemma重燃encoder-decoder架构战火，性能暴涨12分；MedGemma坚守decoder-only路线，强攻医疗多模态，击穿闭源壁垒。Gemma体系完成「架构+落地」双重进化，打响Google开源反击战。

2023年以来，大模型的战场由decoder-only架构一统江湖。

从GPT家族到LLaMA、Gemma、Mistral，再到Claude、Command-R、Yi系列，

能叫得出名字的主流LLM，几乎都是清一色的「纯解码器」（decoder-only）。

但今天，Google带着T5Gemma杀回来了——

不仅重启了encoder-decoder的技术路线，还略施小技就让它原地起飞，暴打原版Gemma 2。

T5Gemma本身基于decoder-only的Gemma 2框架。

神奇的是，通过简单的「适配」转换成encoder-decoder架构后，T5Gemma一举实现性能飞跃。

T5Gemma 9B-9B在GSM8K（数学推理）上得分⽐原始Gemma 2 9B⾼出9分，在DROP（阅读理解）上⾼出4分。

进一步缩小参数量，结果反而更惊人！

T5Gemma 2B-2B IT的MMLU得分⽐Gemma 2 2B提高了近12分，GSM8K准确率暴涨到70.7%。

T5Gemma主要面向文本生成任务，包括问答系统、数学推理、阅读理解等。

并且encoder-decoder的架构支持「不平衡」配置。如9B编码器配2B解码器，可以在质量和效率之间游刃有余。

在相同的计算量下，T5Gemma性能优于仅解码器模型，灵活度也更胜一筹，可以根据具体任务调整编码器和解码器的大小。

除了Gemma 2的技术回马枪之外，Gemma 3系列也有重大更新！

Google这次专攻医疗多模态任务，基于Gemma 3架构，推出了MedGemma和MedSigLIP两款多模态模型。

MedGemma支持图文输入，输出是医学自由文本；MedSigLIP则是轻量图文编码器。

Google把「低资源友好」贯彻到底，MedGemma仅需4B模型即可逼近SoTA，部署门槛极低，单卡、甚至移动端也能轻松跑起来。

4亿参数的MedSigLIP也是全能王者，不仅擅长医学图像，检索、零样本分类等非医学下游任务也手拿把掐。

在Med系列「开源双子星」的轰炸下，医疗模型闭源壁垒岌岌可危，同行纷纷对Google表示祝贺和期待。

「架构+落地」双王炸，Google的开源LLM体系战略杀疯了。

四两拨千斤

重燃encoder-decoder架构之战

T5Gemma基于Gemma 2框架，包括适配后的Gemma 2 2B和9B模型，以及⼀组新训练的T5尺寸模型（Small、Base、Large 和 XL）。

Google已经将预训练模型和指令微调模型的T5Gemma系列在huggingface上开源，助⼒社区在研究与开发中挖掘新的机会。

一招适配，暴打原版

不少网友在T5Gemma发布后纷纷表示，encoder-decoder其实也具有很强的输入理解、上下文建模和推理能力。

然而，它却因为decoder-only架构的风头无两而被雪藏已久。

Google四两拨千斤，仅凭一招「适配」，把encoder-decoder架构重新带到聚光灯下。

在技术报告中，Google所提出的「模型适配」（Model Adaptation）理念其实非常直观：

直接利用已完成预训练的decoder-only模型权重，初始化encoder-decoder模型的参数，然后基于UL2或PrefixLM进行进一步训练。

具体而言，如图所示。

Google首先使用一个已经预训练完成的decoder-only模型，比如Gemma 2 9B或2B。

这个模型包含前馈网络模块（FFN）和一个因果自注意力+旋转位置编码（ROPE）模块

原本decoder-only模型中的「因果自注意力」模块会被替换为「双头注意力」以适配encoder。在encoder中，FFN和ROPE参数继续沿用原模型。

原始decoder-only中的模块中间新增一层 Cross-Attention之后，作为新架构的decoder，用于解码器从encoder输出中获取信息。

在上述结构完成初始化后，模型可以使用UL2或PrefixLM来适应encoder-decoder的信息流、masking策略和解码方式。

这种适配⽅法具有很⾼的灵活性，允许在模型尺寸之间进⾏创造性的组合。

想法简单，效果惊人

实验证明，T5Gemma的想法非常有效。

在相同的推理FLOPs下，T5Gemma的表现（星形点）始终高于或等于decoder-only模型（圆形点）。

在SuperGLUE基准上，T5Gemma的最高分超过90，显著领先于大多数decoder-only模型。

IT（信息提取）与PT（推理任务）指标同样展现出encoder-decoder架构的稳健性，特别是在中低FLOPs区间内性能提升尤为显著，说明它对计算资源的利用效率更高。

在真实场景下，T5Gemma的高效计算优势也一路狂飙，稳坐开源性能「性价比之王」。

以GSM8K（数学推理）为例，T5Gemma 9B-9B的准确率⾼于Gemma 2 9B，但延迟却相近。

T5Gemma 9B-2B在准确率上远超2B-2B模型，但其延迟却几乎与较⼩的Gemma 2 2B模型相同。

全方位碾压！T5Gemma不止于快

T5Gemma在预训练前后都展现出强⼤能⼒。

例如，T5Gemma 9B-9B在GSM8K（数学推理）上得分⽐原始Gemma 2 9B⾼出超过9分，在DROP（阅读理解）上⾼出4分。

这些提高意味着，通过「适配」进行初始化的encoder-decoder架构潜力更大。

进行指令微调后，Gemma 2与T5Gemma的性能差距在多个任务上进一步显著扩大。

T5Gemma 2B-2B IT的MMLU得分狂超Gemma 2 2B近12分，GSM8K准确率从58.0%跃升到70.7%。

MedGemma

击破医疗AI开源壁垒

Google这次盯上了医疗多模态场景，一口气发布两款模型：MedGemma和MedSigLIP。

Med系列多模态模型延续了「低资源友好」的策略。

基于 Gemma 3 打造的MedGemma生成式多模态模型，支持图像+文本输入，输出医学自由文本。

该模型提供 4B 和 27B 两种尺寸，4B 多模态版本可在单卡甚至移动设备上运行，一举把医学级模型推下了高算力「神坛」。

不管是放射报告生成，还是图像问答和病例摘要，它都能轻松胜任。

在 MedQA 等权威评测中，MedGemma 27B拿下 87.7% 高分，精度接近DeepSeek R1，但推理成本仅为十分之一！

图文编码器MedSigLIP更加短小精悍。

只有 4 亿参数，却能稳稳处理胸片、皮肤病、眼底等多种医学图像，并输出与文本对齐的语义嵌入。

在开发过程中，团队首先把MedSigLIP训了出来，作为医学优化图像编码器。

然后在医学数据上训练了4B和27B版本的Gemma 3模型。

通过训练流程解耦，Gemma 3很好地保留了通用能力。MedGemma在融合医学与非医学信息、遵循指令、支持非英文语言等任务上依然表现良好。

单独训出来的MedSigLIP是一款仅 4 亿参数的轻量医学图像编码器，采用Sigmoid损失的SigLIP架构，如下图所示。

它的训练是通过胸片、病理切片、皮肤病图像与眼底图像等多样医学图像数据调优完成的。

MedSigLIP的核心目标是，将医学图像与文本编码为「同一语义空间嵌入向量」。

它在多种医学图像任务中的分类效果可媲美专用模型，同时通用性也不拜下风，完美胜任传统图像分类、零样本分类、检索等任务。

Gemma路线大升级

Google开源吹响反攻号角

Google这波开源一举把「反攻号角」吹到了医疗AI最前线。

无论是图文融合的MedSigLIP，还是医疗多语种全能选手MedGemma，全都以safetensors格式上线Hugging Face，直接拉低使用门槛。

开发者可以一键下载、灵活部署，还能在本地或自定义云平台完成推理与微调，隐私合规和数据安全轻松搞定。

不少医疗机构已经验证了Med系列医疗AI「开源双子星」的有效性。

例如，美国DeepHealth已开始使用 MedSigLIP 优化胸片分诊与结节检测；台湾长庚纪念医院称MedGemma能很好理解繁体中文医学文献，并有效回应医护问题。

对于医疗机构的不同需求，Google还给出了对应的模型选择建议。

Hugging Face上已经提供了32个版本的T5Gemma全家桶。

用户可以根据推理速度、内存预算、精度等个性化需求，自由选择模型型号，也可以选择预训练版、指令微调版、RLHF版，或基于不同目标（PrefixLM / UL2）训练的各种变体。

不止如此，Google还贴心给出全套使用手册、Colab示例和Vertex AI部署方案，从下载到上线一路畅通，开发效率直接拉满。

Gemma路线已经从「架构革新」延伸到「产业落地」。

Google这波上场更新，不止打破了闭源神话，更是为整个AI社区作出了「工具+自由+性能」的表率。

从T5Gemma到MedGemma，世界级开源模型已来，接下来，是开发者的上场。

参考资料：

https://developers.googleblog.com/en/t5gemma/

https://research.google/blog/medgemma-our-most-capable-open-models-for-health-ai-development/