编辑｜冷猫

最近，或许是年底了，谷歌的发布变得有些密集。比如昨天，谷歌发布了在智能 / 成本上全球性价比最高的模型 Gemini 3 Flash。

在 Gemini 3 Flash 发布后，大家都以为谷歌今年的模型发布已经收官的时候，谷歌却又掏出了一个让大家都意想不到的模型更新：T5Gemma 2。

T5Gemma 系列模型似乎没能给大众留下什么深刻印象。今年 7 月，谷歌第一次发布了 T5Gemma 模型系列，并且一口气发布了 32 个模型。

从模型名称可以看出，T5Gemma 系列模型与 T5 息息相关。T5（Text-to-Text Transfer Transformer） 是 Google 在 2019 年提出的一种编码器 - 解码器（Encoder–Decoder）大模型框架，「编解码器大模型」的思想源头，几乎都能追溯到 T5。

T5Gemma 使用了「适应（adaptation）」技术将已经完成预训练的仅解码器模型转换为编码器 - 解码器架构。

但遗憾的是，「编码器 - 解码器架构」始终没有成为大模型世界的主流，在「仅解码器」大语言模型快速迭代的大背景下难逃逐渐被边缘化的命运。

谷歌是为数不多仍在坚持编码器 - 解码器架构大模型的玩家。

今年上半年，谷歌发布了开放模型 Gemma 3 系列，性能强大，反响热烈，衍生出许多基于 Gemma 3 系列模型的优秀工作。这次更新的 T5Gemma 2 模型正是其中之一。

简而言之：T5Gemma 2 ，是谷歌新一代编码器 - 解码器模型，是首个多模态和长上下文的编码器 - 解码器模型，建立在 Gemma 3 的强大功能之上。

主要创新和升级功能包括：

• 支持多模态
• 扩展长上下文
• 开箱即用，支持 140 多种语言
• 效率提升的架构创新

同时，谷歌向社区发布了 270M–270M、1B–1B 以及 4B–4B 三种规模的预训练模型，是社区中首个支持超长上下文（最高 128K）的高性能编解码器大语言模型。

• 论文链接: https://arxiv.org/abs/2512.14856
• HuggingFace 链接: https://huggingface.co/collections/google/t5gemma-2
• 博客链接: https://blog.google/technology/developers/t5gemma-2

T5Gemma 2 延续了 T5Gemma 的「适应（adaptation）」训练路线：将一个预训练的纯解码器模型适配为编解码器模型；同时，底座采用 Gemma 3 模型，通过结合 Gemma 3 中的关键创新，将这一技术扩展到了视觉 - 语言模型领域。

新架构，新能力

高效的架构创新

T5Gemma 2 不仅仅是一次再训练。它在继承 Gemma 3 系列许多强大特性的同时，还进行了重要的架构变更：

1. 词嵌入绑定

在编码器与解码器之间 共享词嵌入参数。这一设计显著降低了模型的总体参数量，使我们能够在相同的显存 / 内存占用下容纳更多有效能力 —— 这对全新的 270M–270M 紧凑模型尤为关键。

2. 合并注意力

在解码器中，我们采用了合并注意力机制，将自注意力（self-attention）与交叉注意力（cross-attention）融合为单一、统一的注意力层。这一做法减少了模型参数和架构复杂度，提升了模型并行化效率，同时也有利于推理性能的提升。

新一代模型能力

得益于 Gemma 3 的能力，T5Gemma 2 在模型能力上实现了显著升级：

1. 多模态能力

T5Gemma 2 模型能够同时理解和处理图像与文本。通过引入一个高效的视觉编码器，模型可以自然地完成视觉问答和多模态推理等任务。

2. 超长上下文

我们对上下文窗口进行了大幅扩展。借助 Gemma 3 的局部 — 全局交替注意力机制（alternating local and global attention），T5Gemma 2 能够支持最长达 128K token 的上下文输入。

3. 大规模多语言支持

通过在规模更大、更加多样化的数据集上进行训练，T5Gemma 2 开箱即用即可支持 140 多种语言。

性能结果

T5Gemma 2 为紧凑型编码器 - 解码器模型设定了新的标准，在关键能力领域表现出色，继承了 Gemma 3 架构强大的多模态和长上下文特性。

Gemma 3、T5Gemma 和 T5Gemma 2 在五个独特能力上的预训练性能。

如上图所示，T5Gemma 2 展现出以下突出优势：

• 强大的多模态性能：在多个基准测试中超越 Gemma 3。原本仅支持文本的 Gemma 3 基础模型（270M 与 1B） 成功适配为 高效的多模态编解码器模型。
• 卓越的长上下文能力：相较于 Gemma 3 和 T5Gemma，在生成质量上取得了显著提升。通过引入独立的编码器，T5Gemma 2 在处理长上下文问题时表现更佳。
• 全面提升的通用能力：在 代码、推理和多语言 等任务上，T5Gemma 2 整体上均优于其对应规模的 Gemma 3 模型。

训练后性能。这里的结果仅用于说明，研究团队对 T5Gemma 2 进行了最小的 SFT，未使用 RL。另外请注意，预训练和训练后基准是不同的，因此不同图表中的分数不可比较。

Gemma 3、T5Gemma 与 T5Gemma 2 的详细预训练结果。需要注意的是，Gemma 3 的 270M 与 1B 模型，以及 T5Gemma 的 2B–2B 和 9B–9B 模型均为纯文本模型。带有 “∗” 标记的结果为近似值，无法在不同论文之间直接比较。

Gemma 3、T5Gemma 与 T5Gemma 2 的详细后训练结果。尽管 T5Gemma 2 的后训练过程相对轻量化，但其在大多数能力维度上仍然优于 Gemma 3。

实验结果表明，该适配策略在不同模型架构与不同模态上都具有良好的通用性，同时也验证了编解码器架构在长上下文建模方面的独特优势。与 T5Gemma 类似，T5Gemma 2 在预训练阶段的性能可达到或超过其 Gemma 3 对应模型，而在后训练阶段则取得了显著更优的表现。

我们能看到，编码器 - 解码器架构下的大模型并不弱于仅解码器架构的模型，甚至具备自己独特的优势。

谷歌继续坚持的编码器 - 解码器架构，能否打破被边缘化的现状，让我们拭目以待。