Gemma 3 型号概览

Gemma 是一类生成式人工智能 (AI) 模型，您可以在各种生成任务（包括问答、总结和推理）中使用它们。Gemma 模型提供开放权重，并允许负责任的商业用途，让您可以在自己的项目和应用中对其进行调优和部署。

Gemma 3 版本包含以下主要功能。在 AI Studio 中试用：

• 图片和文本输入：借助多模态功能，您可以输入图片和文本，以了解和分析视觉数据。开始构建
• 128K 个令牌上下文：输入上下文扩大了 16 倍，可分析更多数据并解决更复杂的问题。
• 广泛的语言支持：支持超过 140 种语言，让您可以使用自己的语言进行操作，或扩展 AI 应用的语言功能。开始构建
• 面向开发者的模型大小：选择最适合您的任务和计算资源的模型大小（10 亿、40 亿、120 亿、270 亿）和精度级别。

您可以从 Kaggle 和 Hugging Face 下载 Gemma 3 模型。如需详细了解 Gemma 3 的技术信息，请参阅模型卡片和技术报告。 您还可以下载较低版本的 Gemma 核心模型。如需了解详情，请参阅之前的 Gemma 模型。

试用 Gemma 3 在 Kaggle 上获取 在 Hugging Face 上获取

多模态图片和文本输入

Gemma 3 能够处理图片和文本数据，因此您可以使用它来处理更复杂的分析和生成任务。您可以使用该模型来解读图片数据、识别对象、提取文本数据，以及完成许多其他将视觉输入转换为文本输出的任务。开始构建

128K 个 token 的上下文窗口

Gemma 3 模型可以处理最多 128, 000 个词元的提示输入，上下文窗口比之前的 Gemma 模型大 16 倍。大量的令牌意味着您可以在单个提示中处理多篇多页文章、篇幅较大的单篇文章或数百张图片。

广泛的语言支持

内置 140 多种语言的支持，让您可以使用自己的母语进行工作。与之前的 Gemma 版本相比，Gemma 3 经过训练，可支持大量语言，让您能够使用客户使用的语言处理更多视觉和文本任务。开始构建

参数大小和量化

Gemma 3 模型有 4 种参数大小，5 种精度级别，从 32 位全精度到 4 位最低精度。不同的大小和精度代表了 AI 应用的一组权衡。参数和位数（精度）越高，模型的功能通常越强大，但在处理周期、内存开销和功耗方面，运行成本也越高。参数和位数较少（精度较低）的模型功能较弱，但可能足以胜任您的 AI 任务。下表详细介绍了使用各个大小的 Gemma 3 模型版本运行推理时大致的 GPU 或 TPU 内存要求。

表 1. 基于参数数量和量化级别（位深度），加载 Gemma 3 模型所需的近似 GPU 或 TPU 内存。

内存用量会根据您运行的提示所需的令牌总数而增加。处理问题所需的令牌数量越多，所需的内存就越大，这还不包括加载模型所需的内存。

之前的 Gemma 模型

您可以使用上一代 Gemma 模型，这些模型也可从 Kaggle 和 Hugging Face 获取。如需详细了解旧版 Gemma 模型的技术信息，请参阅以下模型卡片页面：

• Gemma 2 模型卡片
• Gemma 1 模型卡片

准备好开始构建了吗？ 开始使用 Gemma 模型！