Google AI · 大模型
Google 发布 Dolphingemma
Google AI 推出 Dolphingemma，一款基于 Gemma 架构的新语言模型。该模型在推理效率和特定场景表现上进行了优化，延续了 Gemma 系列的开源传统，为开发者提供更灵活的选择。具体技术细节和基准测试结果可在官方博客中查看。
- 域名
blog.google- 评分
- 5 · 重大发布
- 发布
- 2026-01-07
导读
DolphinGemma 是 Google 在 2025 年 4 月 14 日"National Dolphin Day"发布的基础模型，与 Georgia Tech 以及野生海豚研究项目 Wild Dolphin Project 合作开发，后者简称 WDP。WDP 自 1985 年起在巴哈马追踪一群大西洋斑点海豚，跨代积累了水下视频与音频，并把声音与具体个体、行为情境一一对应。这批数据成为 DolphinGemma 的训练源，模型规模约 4 亿参数，使用 Google 自研的 SoundStream tokenizer 把海豚声音编码为离散 token，再交由序列模型学习其中的结构。
DolphinGemma 是 audio-in、audio-out 的模型，工作方式与人类语言大模型预测下一个 token 类似：输入一段海豚的 click、whistle 或 burst pulse 序列，输出后续可能的声音。模型紧贴 Gemma 系列设计，规模刚好可以跑在 Pixel 手机上，便于研究者在海上现场使用。配套的 Cetacean Hearing Augmentation Telemetry 系统简称 CHAT，由 Georgia Tech 联合开发，让研究者通过 Pixel 6 在水下实时识别海豚模仿合成 whistle 的声音，并用骨传导耳机告知研究者海豚"请求"了哪个物品，从而建立人豚之间的共享词汇。2025 年夏季研究升级到 Pixel 9 平台。Google 计划在 2025 年夏天将 DolphinGemma 以开源模型发布，并预期它对其他鲸类研究也具备迁移价值。
对读者而言，这一发布把基础模型从人类语言领域延伸到跨物种交流。Pixel 手机替代了定制硬件，将算力、麦克风、扬声器集成在一个防水机壳里，显著降低成本与功耗。借助下一词预测的范式，海豚声音中的潜在语法结构第一次能在大规模数据上被系统性建模，为长期被人工标注瓶颈卡住的动物声学研究打开了一条新的通路。