Google: Gemma 3 4B

Google: Gemma 3 4B es un modelo de generación de texto de Google, lanzado el 13 de marzo de 2025. Pertenece a la familia Gemma 3, que Google describe como introductoria de la multimodalidad, lo que significa que estos modelos aceptan entrada de visión y lenguaje en lugar de solo texto. El 4B en el nombre se refiere a la clase de tamaño del modelo dentro de esa familia, y el sufijo it marca la variante ajustada para instrucciones, por lo que está construido para seguir prompts y mantener conversaciones en lugar de solo continuar texto sin formato.

El modelo acepta entrada de texto e imagen y produce salida de texto. Su ventana de contexto es de 131072 tokens, y la longitud máxima de salida es de 16384 tokens. Google afirma que maneja ventanas de contexto de hasta 128k tokens, entiende más de 140 idiomas y ofrece capacidades mejoradas de matemáticas, razonamiento y chat en comparación con generaciones anteriores de Gemma. El corte de conocimiento es el 31 de agosto de 2024, por lo que cualquier cosa posterior a esa fecha queda fuera de lo que el modelo aprendió durante el entrenamiento. Dado que la entrada puede incluir imágenes, los prompts pueden combinar capturas de pantalla, fotos, diagramas o páginas escaneadas con instrucciones escritas.

Esas capacidades apuntan a un conjunto bastante amplio de usos prácticos. La ventana de contexto larga se adapta al trabajo sobre documentos grandes, como resumir informes extensos, responder preguntas contra una base de código o un contrato completo, o mantener una conversación larga coherente sin recortar el historial. La entrada multimodal lo hace útil para tareas como describir o extraer información de imágenes, leer gráficos y diagramas, o manejar imágenes de documentos junto con preguntas de texto. El soporte multilingüe en más de 140 idiomas encaja en traducción, borradores de localización y chat de atención al cliente en muchos mercados. El comportamiento de chat ajustado para instrucciones y el razonamiento y las matemáticas mejorados lo hacen una opción razonable para asistentes, extracción estructurada y resolución de problemas paso a paso cuando la tarea no exige el modelo más grande disponible.

Se llama al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "google/gemma-3-4b-it". Debido a que la interfaz sigue la forma de chat completions de OpenAI, se envía una solicitud al endpoint de chat completions con ese id en el campo model y los mensajes en el array messages, incluyendo contenido de imagen cuando sea relevante. El modelo admite estos parámetros de solicitud: frequency_penalty, logit_bias, max_tokens, min_p, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, top_k y top_p. Las salidas estructuradas y response_format son útiles cuando se necesita JSON u otra forma definida de vuelta, y seed ayuda cuando se desea un muestreo más repetible.

Un límite que vale la pena señalar es el corte de conocimiento del 31 de agosto de 2024, por lo que las preguntas sobre eventos posteriores no se responderán solo con datos de entrenamiento. El tamaño 4B también significa que queda por debajo de variantes más grandes de Gemma 3, así que si una tarea necesita el razonamiento más fuerte o el conocimiento general más amplio, un modelo más grande puede encajar mejor. Para trabajo de contexto largo, multilingüe y con reconocimiento de imágenes a menor escala, este modelo es un punto de partida sensato.