Google: Gemma 3 4B

Google : Gemma 3 4B est un modèle de génération de texte de Google, publié le 13 mars 2025. Il appartient à la famille Gemma 3, que Google décrit comme introduisant la multimodalité, ce qui signifie que ces modèles acceptent des entrées visuelles et linguistiques plutôt que du texte seul. Le 4B dans le nom fait référence à la classe de taille du modèle au sein de cette famille, et le suffixe it marque la variante ajustée aux instructions, de sorte qu'il est conçu pour suivre des invites et tenir des conversations plutôt que de simplement continuer du texte brut.

Le modèle accepte des entrées de texte et d'images et produit une sortie texte. Sa fenêtre de contexte est de 131072 tokens, et la longueur maximale de sortie est de 16384 tokens. Google indique qu'il gère des fenêtres de contexte allant jusqu'à 128k tokens, comprend plus de 140 langues et offre des capacités améliorées en mathématiques, en raisonnement et en chat par rapport aux générations précédentes de Gemma. La date limite de connaissances est le 31 août 2024, donc tout ce qui suit cette date dépasse ce que le modèle a appris pendant l'entraînement. Comme l'entrée peut inclure des images, les invites peuvent combiner des captures d'écran, des photos, des diagrammes ou des pages scannées avec des instructions écrites.

Ces capacités indiquent un ensemble assez large d'usages pratiques. La longue fenêtre de contexte convient au travail sur de grands documents, comme résumer de longs rapports, répondre à des questions sur une base de code ou un contrat complet, ou maintenir une longue conversation cohérente sans tronquer l'historique. L'entrée multimodale le rend utile pour des tâches comme décrire ou extraire des informations à partir d'images, lire des graphiques et des diagrammes, ou traiter des images de documents avec des questions textuelles. La prise en charge multilingue de plus de 140 langues convient à la traduction, aux ébauches de localisation et au chat destiné aux clients sur de nombreux marchés. Le comportement de chat ajusté aux instructions et le raisonnement et les mathématiques améliorés en font un choix raisonnable pour les assistants, l'extraction structurée et la résolution de problèmes étape par étape lorsque la tâche n'exige pas le plus grand modèle disponible.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "google/gemma-3-4b-it". Comme l'interface suit la forme des complétions de chat d'OpenAI, vous envoyez une requête au point de terminaison des complétions de chat avec cet identifiant dans le champ model et vos messages dans le tableau messages, y compris le contenu image le cas échéant. Le modèle prend en charge ces paramètres de requête : frequency_penalty, logit_bias, max_tokens, min_p, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, top_k et top_p. Les sorties structurées et response_format sont utiles lorsque vous avez besoin d'un retour au format JSON ou d'une autre forme définie, et seed aide lorsque vous souhaitez un échantillonnage plus reproductible.

Une limite à noter est la date limite de connaissances du 31 août 2024, donc les questions sur des événements ultérieurs ne recevront pas de réponse à partir des seules données d'entraînement. La taille 4B signifie aussi qu'il se situe en dessous des variantes plus grandes de Gemma 3, donc si une tâche nécessite le raisonnement le plus fort ou les connaissances générales les plus étendues, un modèle plus grand peut mieux convenir. Pour un travail à long contexte, multilingue et sensible aux images à plus petite échelle, ce modèle est un point de départ judicieux.