구글 딥마인드는 Gemini 2.5 Flash-Lite의 안정 버전을 출시했으며, 입력 토큰 100만 개당 0.10달러·출력 토큰 100만 개당 0.40달러로 2.5 제품군 중 가장 빠르고 저렴한 모델이라고 밝혔다. 이 모델은 100만 토큰 컨텍스트 창, 조절 가능한 thinking budget, Google Search 기반 Grounding·Code Execution·URL Context 등의 도구를 지원하며, 번역·분류처럼 지연시간에 민감한 작업을 겨냥한다. 사용자는 Google AI Studio와 Vertex AI에서 `gemini-2.5-flash-lite`를 지정해 사용할 수 있고, 기존 preview 별칭은 2025년 8월 25일 삭제될 예정이라고 안내했다.
Gemma 3n은 이미지·오디오·비디오·텍스트를 지원하는 모바일·온디바이스 중심의 멀티모달 모델로, E2B와 E4B 크기에서 각각 약 2GB와 3GB의 메모리로 구동되도록 설계됐다. MatFormer, Per-Layer Embeddings(PLE), KV Cache Sharing, 오디오 인코더와 MobileNet-V5 비전 인코더를 적용해 모델 크기 조절, 메모리 효율, 긴 입력 처리 및 실시간 영상 분석 성능을 개선했다. E4B 모델은 LMArena 점수 1300 이상을 기록했으며, Google AI Studio·Hugging Face·Kaggle과 다양한 개발 도구 및 배포 플랫폼을 통해 사용할 수 있다. Gemma 3n의 온디바이스·오프라인·멀티모달 활용 제품을 개발하는 Impact Challenge도 15만 달러 규모로 진행된다.
구글 딥마인드는 의료 AI 개발을 위한 생성형 모델 MedGemma 27B Multimodal과 경량 이미지·텍스트 인코더 MedSigLIP을 공개했다. MedGemma는 의료 텍스트와 이미지를 바탕으로 보고서 생성·질의응답 등에 활용할 수 있으며, MedSigLIP은 의료 이미지 분류와 검색에 적합하고 단일 GPU에서 실행할 수 있다. MedGemma 4B는 MedQA에서 64.4%, 27B 텍스트 모델은 87.7%를 기록했으며, 흉부 X선 보고서의 81%가 원래 영상의학과 보고서와 유사한 환자 관리로 이어질 수 있다는 평가를 받았다. 두 모델은 연구와 애플리케이션 개발의 출발점으로 제공되며, 실제 임상 진단·치료에 사용하기 전 검증과 독립적인 확인이 필요하다.
Google DeepMind가 사전 학습된 decoder-only Gemma 모델을 인코더-디코더 구조로 변환하는 model adaptation 기법을 적용한 T5Gemma 모델군을 공개했다. T5Gemma는 Gemma 2 기반 2B·9B 모델과 T5 크기의 Small·Base·Large·XL 모델로 구성되며, 사전 학습 및 instruction-tuned 버전과 PrefixLM·UL2 학습 목적, 9B-2B 비대칭 구성을 제공한다. T5Gemma 9B-9B는 Gemma 2 9B보다 GSM8K에서 9점 이상, DROP에서 4점 높은 성능을 보였고, instruction tuning 후 T5Gemma 2B-2B의 MMLU 점수는 약 12점, GSM8K 점수는 58.0%에서 70.7%로 향상됐다.