Gemma 3 模型簡介

Gemma 是一系列生成式人工智慧 (AI) 模型，可用於各種生成工作，包括回答問題、製作摘要和推理。Gemma 模型提供開放權重，並允許負責任的商業使用，讓您在自家專案和應用程式中進行調整及部署。

Gemma 3 版本包含下列主要功能。前往 AI Studio 試用：

您可以從 Kaggle 和 Hugging Face 下載 Gemma 3 模型。如需 Gemma 3 的更多技術細節，請參閱模型資訊卡和技術報告。您也可以下載舊版 Gemma 核心模型。詳情請參閱「舊版 Gemma 模型」。

試用 Gemma 3 在 Kaggle 取得模型 在 Hugging Face 取得模型

多模態圖像和文字輸入

您可以使用 Gemma 3 處理更複雜的分析和產生工作，因為它能夠處理圖片和文字資料。您可以使用該模型解讀圖像資料、辨識物件、擷取文字資料，以及完成許多其他視覺輸入至文字輸出的工作。開始建構

128K 個詞元的脈絡窗口

Gemma 3 模型可處理最多 128K 符記的提示輸入內容，比先前的 Gemma 模型多出 16 倍的上下文視窗。大量符記表示您可以在單一提示中處理多篇多頁文章、較大的單篇文章，或數百張圖片。

支援多種語言

內建支援超過 140 種語言，讓您以慣用語言工作。相較於先前的 Gemma 版本，Gemma 3 經過訓練可支援大量語言，讓您以客戶使用的語言處理更多圖像和文字工作。開始建構

函式呼叫

為程式設計介面建立智慧型自然語言控制項。Gemma 3 可讓您使用特定語法和限制定義編碼函式，模型就能呼叫這些函式來完成工作。開始建構

參數大小和量化

Gemma 3 型號提供 4 種參數大小和 5 種精確度等級，從 32 位元的完整精確度到 4 位元的最低精確度皆有。不同的大小和精確度代表 AI 應用程式必須做出的權衡。參數和位元數較多 (精確度較高) 的模型通常功能較強大，但在處理週期、記憶體成本和耗電量方面，執行成本也較高。參數和位元數較少 (精確度較低) 的模型功能較少，但可能已足以處理 AI 工作。下表列出 Gemma 3 模型版本的各個大小，以及執行推論時的 GPU 或 TPU 記憶體需求。

參數 Full 32bit BF16 (16 位元) SFP8
(8 位元)		 Q4_0
(4 位元)		 INT4
(4 位元)
Gemma 3 1B (僅限文字) 4 GB 1.5 GB 1.1 GB 892 MB 861 MB
Gemma 3 4B 16 GB 6.4 GB 4.4 GB 3.4 GB 3.2 GB
Gemma 3 12B 48 GB 20 GB 12.2 GB 8.7 GB 8.2 GB
Gemma 3 27B 108 GB 46.4 GB 29.1 GB 21 GB 19.9 GB

表 1. 根據參數數量和量化層級 (位元深度)，載入 Gemma 3 模型所需的 GPU 或 TPU 記憶體大約值。

記憶體用量會根據您執行提示所需的符記總數增加。處理提示所需的符記數量越多，所需記憶體就越大，這還不包括載入模型所需的記憶體。

舊版 Gemma 模型

您可以使用先前一代 Gemma 模型，這些模型也可在 Kaggle 和 Hugging Face 上找到。如要進一步瞭解先前 Gemma 型號的技術細節，請參閱下列型號資訊卡頁面：

準備好開始建構了嗎？ 開始使用 Gemma 模型！