摘要：自从 DeepSeek 把训练成本打下来之后，各个模型厂家现在不再堆参数进行模型的能力对比。而是转向了训练成本优化方面，且还要保证模型能力不减反增的效果。包括使用较少的模型参数，降低 GPU 使用数量，降低模型内存占用等等技术手段。这里可以查看DeepSeek
自从 DeepSeek 把训练成本打下来之后，各个模型厂家现在不再堆参数进行模型的能力对比。而是转向了训练成本优化方面，且还要保证模型能力不减反增的效果。包括使用较少的模型参数，降低 GPU 使用数量，降低模型内存占用等等技术手段。这里可以查看 DeepSeek 开源周发布的优化策略。
谷歌正式发布了全新一代 AI 模型 Gemma 3！这可不是简单的升级，而是用了 Gemini 2.0 同款技术打造的 最先进、最便携、最负责任的开放模型！啥意思？简单说，就是性能更强、体积更小、更安全！更重要的是，它能在各种设备上 飞速运行，从你的手机、笔记本到专业工作站，都能轻松驾驭！Gemma 3 有多种尺寸（1B、4B、12B 和 27B），可以根据特定的硬件和性能需求选择最佳模型。
Gemma 3 是多模态的！40 亿、120 亿和 270 亿个参数模型可以处理图像和文本，而 1B 版本只能处理文本。对于 1B 版本，输入上下文窗口长度已从 Gemma 2 的 8k 增加到32k ，对于其他所有版本，则增加到 128k。与其他 VLM（视觉语言模型）一样，Gemma 3 会根据用户输入生成文本，这些文本可能由文本组成，也可能由图像组成。
与 Gemma2 相比，虽然模型参数没有增加，但是上下文长度增加到了 128K，而且还是一个多模态的模型，不仅识别文本，还支持图片与视频内容的交互。更是支持了 140 种语言能力，简直不要太强大。
Gemma 3 性能特点？
性能怪兽，单卡 GPU 就能起飞！ Gemma 3 在 LMArena 排行榜上直接超越了 Llama3、DeepSeek 等一众大佬！这意味着在单个 GPU 或 TPU 上，就能创建丝滑流畅的 AI 体验！140 种语言精通，走遍全球都不怕！ 别再担心语言障碍！Gemma 3 开箱即用支持超过 35 种语言，预训练更是覆盖 140 多种语言！文能识图写诗，武能函数调用！ 轻松搞定图片、文本、短视频分析，开启交互式智能新纪元！函数调用也安排上了，自动执行任务、构建智能 Agent，不在话下！海量信息轻松应对！ 128k Token 上下文窗口，再复杂的任务，再多的信息，都能 hold 住！官方量化版本，性能加速！ 体积更小，计算更快，精度还不变！简直是为移动端量身定制！一张图告诉你 Gemma 3 有多强：
看到了吗？Gemma 3 (27B) 在众多 AI 模型中脱颖而出！而且只需要一个 GPU，而其他模型可能需要多达 32 个！不仅如此，27B 参数的模型竟然超过了 671B 参数的 DeepSeek V3 模型，简直不要太好用。这么小参数量的模型，完全可以跑在自己电脑上面了。普通电脑配置也能跑大模型了。
Gemma3 性能在最优点
安全第一，谷歌这次玩真的！
谷歌深知开放模型需要谨慎的风控！Gemma 3 经历了严格的安全评估，包括数据管理、安全微调和基准评估。即使是增强的 STEM 性能也经过了特定评估，以确保滥用风险较低。
ShieldGemma 2：为图像应用保驾护航！
除了 Gemma 3，谷歌还推出了 ShieldGemma 2！这是一个基于 Gemma 3 构建的强大图像安全检查器，能够识别“危险内容、色情和暴力”！而且它是开源的，开发者可以根据需求进行定制！
Gemma 3 评估
在 LMSys Chatbot Arena 上，Gemma 3 27B IT 的 Elo 分数为1339，跻身前 10 个最佳模型之列，包括领先的封闭模型。Elo 与 o1-preview 相当，并且高于其他非思考开放模型。与表中的其他 LLM 一样，Gemma 3 仅处理文本输入即可获得此分数。
Gemma 3 已通过 MMLU-Pro（27B：67.5）、LiveCodeBench（27B：29.7）和 Bird-SQL（27B：54.4）等基准测试进行评估，与封闭式 Gemini 模型相比，其性能更具竞争力。GPQA Diamond（27B：42.4）和 MATH（27B：69.0）等测试凸显了其推理和数学技能，而 FACTS Grounding（27B：74.9）和 MMMU（27B：64.9）则展示了强大的事实准确性和多模态能力。然而，它在 SimpleQA（27B：10.0）的基本事实方面落后。与 Gemini 1.5 模型相比，Gemma 3 通常很接近，有时甚至更好，证明了其作为可访问、高性能选项的价值。
无缝集成，即刻上手！
Gemma 3 和 ShieldGemma 2 可以轻松集成到你现有的工作流程中！支持 hugging face Transformers、Ollama、JAX、Keras、PyTorch 等等！
#使用管道进行推理import torchfrom Transformers import pipelinepipe = pipeline( "image-text-to-text", model="google/gemma-3-4b-it", # "google/gemma-3-12b-it", "google/gemma-3-27b-it" device="cuda", torch_dtype=torch.bfloat16)messages = [{ "role": "user", "content": [ {"type": "image", "url": "candy.JPG"}, {"type": "text", "text": "What animal is on the candy?"}]}]output = pipe(text=messages, max_new_tokens=200)print(output[0]["generated_text"][-1]["content"])使用 Transformer 进行推理
Transformer集成有两个新的模型类：
Gemma3ForConditionalGeneration：适用于4B、12B和27B视觉语言模型。
Gemma3ForCausalLM：对于 1B 纯文本模型
import torchfrom transformers import AutoProcessor, Gemma3ForConditionalGenerationckpt = "google/gemma-3-4b-it"model = Gemma3ForConditionalGeneration.from_pretrained( ckpt, device_map="auto", torch_dtype=torch.bfloat16,)processor = AutoProcessor.from_pretrained(ckpt)messages = [{"role": "user", "content": [ {"type": "image", "url": "password.jpg"}, {"type": "text", "text": "What is the password?"}]}]inputs = processor.apply_chat_template( messages, add_generation_prompt=True, tokenize=True, return_dict=True, return_tensors="pt").to(model.device)input_len = inputs["input_ids"].shape[-1]generation = model.generate(**inputs, max_new_tokens=100, do_sample=False)generation = generation[0][input_len:]decoded = processor.decode(generation, skip_special_tokens=True)print(decoded)在线体验
Gemma 3 不仅可以使用代码进行执行，或者使用 ollama进行本地部署，若不想占用本地资源，也可以在线使用。可以直接在 hugging face 上面使用，当然也可以使用 Google studio 上面使用。
Gemmaverse 生态，无限可能！
谷歌还鼓励社区基于 Gemma 构建各种应用和工具，形成一个庞大的 Gemmaverse 生态！ AI Singapore 的 SEA-LION v3 打破语言障碍，促进了东南亚地区的交流；INSAIT 的 BgGPT 是首个保加利亚语大型语言模型；Nexa AI 的 OmniAudio 展示了设备内置 AI 的潜力！
Gemma 3 的发布，标志着 AI 技术民主化的又一里程碑！它将强大的 AI 能力带到了每个人的指尖，让开发者能够创造出更多创新应用，改变我们的生活！不仅参数少，模型小，还可以在单个 GPU 上面运行，普通电脑也可以直接跑大模型了，而 DeepSeek 系列的模型需要 32 个 GPU，不是普通玩家玩的模型。
huggingface.co/blog/gemma3blog.google/technology/developers/gemma-3/来源：人工智能研究所
