Google: Gemma 3 4B

Google: Gemma 3 4B ist ein Textgenerierungsmodell von Google, veröffentlicht am 13. März 2025. Es gehört zur Gemma 3 Familie, die laut Google Multimodalität einführt, was bedeutet, dass diese Modelle Vision- und Spracheingaben akzeptieren und nicht nur Text. Die 4B im Namen bezieht sich auf die Größenklasse des Modells innerhalb dieser Familie, und das Suffix it kennzeichnet die instruktionsoptimierte Variante, sodass es darauf ausgelegt ist, Anweisungen zu befolgen und Gespräche zu führen, anstatt nur Rohtext fortzusetzen.

Das Modell akzeptiert Text- und Bildeingaben und erzeugt Textausgaben. Sein Kontextfenster beträgt 131072 Token, und die maximale Ausgabelänge beträgt 16384 Token. Google gibt an, dass es Kontextfenster von bis zu 128k Token verarbeitet, über 140 Sprachen versteht und im Vergleich zu früheren Gemma-Generationen verbesserte Mathematik-, Argumentations- und Chat-Fähigkeiten bietet. Der Wissensstand reicht bis zum 31. August 2024, sodass alles nach diesem Datum außerhalb dessen liegt, was das Modell während des Trainings gelernt hat. Da Eingaben Bilder enthalten können, können Prompts Screenshots, Fotos, Diagramme oder gescannte Seiten mit schriftlichen Anweisungen kombinieren.

Diese Fähigkeiten deuten auf ein ziemlich breites Spektrum praktischer Anwendungen hin. Das lange Kontextfenster eignet sich für Arbeit mit großen Dokumenten, wie das Zusammenfassen langer Berichte, das Beantworten von Fragen zu einer vollständigen Codebasis oder einem Vertrag oder das kohärente Führen eines langen Gesprächs ohne Verlaufskürzung. Multimodale Eingaben machen es nützlich für Aufgaben wie das Beschreiben oder Extrahieren von Informationen aus Bildern, das Lesen von Diagrammen und Schaubildern oder den Umgang mit Dokumentbildern zusammen mit Textfragen. Mehrsprachige Unterstützung über mehr als 140 Sprachen eignet sich für Übersetzung, Lokalisierungsentwürfe und kundenorientierten Chat in vielen Märkten. Das instruktionsoptimierte Chat-Verhalten und die verbesserte Argumentations- und Mathematikfähigkeit machen es zu einer vernünftigen Wahl für Assistenten, strukturierte Extraktion und schrittweise Problemlösung, wenn die Aufgabe nicht das größte verfügbare Modell erfordert.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "google/gemma-3-4b-it" auf. Da die Schnittstelle der Form der OpenAI-Chat-Completions folgt, senden Sie eine Anfrage an den Chat-Completions-Endpunkt mit dieser ID im Feld model und Ihren Nachrichten im Array messages, einschließlich Bildinhalten, wo relevant. Das Modell unterstützt diese Anfrageparameter: frequency_penalty, logit_bias, max_tokens, min_p, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, top_k und top_p. Strukturierte Ausgaben und response_format sind nützlich, wenn Sie JSON oder eine andere definierte Form zurückerhalten möchten, und seed hilft, wenn Sie eine besser reproduzierbare Stichprobenziehung wünschen.

Eine erwähnenswerte Einschränkung ist der Wissensstand vom 31. August 2024, sodass Fragen zu späteren Ereignissen nicht allein aus Trainingsdaten beantwortet werden. Die 4B-Größe bedeutet außerdem, dass es unter größeren Gemma 3 Varianten liegt. Wenn eine Aufgabe die stärkste Argumentationsfähigkeit oder das breiteste Allgemeinwissen erfordert, könnte ein größeres Modell besser passen. Für langkontextige, mehrsprachige und bildbewusste Arbeit in kleinerem Maßstab ist dieses Modell ein sinnvoller Ausgangspunkt.