Google: Gemma 3 27B

Google Gemma 3 27B è un modello aperto di Google, distribuito all'interno della famiglia Gemma e servito su api14 con l'id modello google/gemma-3-27b-it. Si colloca nella categoria testo, e la data di rilascio del provider è il 12 marzo 2025. Il knowledge cutoff è il 31 agosto 2024, quindi qualsiasi cosa successiva a tale data è al di fuori di ciò che il modello ha visto durante l'addestramento.

Il modello accetta input di testo e immagini e restituisce solo testo, il che lo rende un modello visione-linguaggio anziché puramente testuale. La sua finestra di contesto è di 131.072 token, e l'output massimo è di 117.964 token, quindi input lunghi e generazioni lunghe sono entrambi praticabili nella stessa richiesta. Google descrive Gemma 3 come supporto all'input visione-linguaggio, con gestione di finestre di contesto fino a 128k token, comprensione di oltre 140 lingue e offre matematica, ragionamento e comportamento di chat migliorati rispetto alle precedenti release di Gemma.

Queste capacità indicano alcuni usi pratici. La comprensione di documenti e screenshot è adatta in modo naturale, poiché puoi passare un'immagine insieme a un prompt testuale e ottenere una risposta scritta. Il lavoro su contesti lunghi, come riassumere file di grandi dimensioni, rivedere thread prolungati o rispondere a domande su un grande corpus di testo, è possibile senza suddivisione in molti casi. Le applicazioni multilingue traggono vantaggio dalla copertura linguistica dichiarata. L'estrazione strutturata e gli assistenti di chat sono anch'essi ragionevoli, data la lista di parametri di seguito. Le attività di ragionamento e matematica sono supportate, sebbene i fatti qui non includano numeri di benchmark, quindi valuta sui tuoi dati.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id modello google/gemma-3-27b-it, quindi gli SDK e i client OpenAI esistenti funzionano con un cambio di base URL. I parametri di richiesta supportati sono frequency_penalty, logit_bias, logprobs, max_tokens, min_p, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs e top_p. Il tool calling e gli structured outputs sono entrambi disponibili, il che copre il function calling e le risposte in formato JSON. Usa seed per la riproducibilità, e logprobs con top_logprobs se hai bisogno della confidenza a livello di token.

Vale la pena notare alcuni limiti. L'output è solo testo, quindi il modello non può generare immagini anche se le legge. Il knowledge cutoff del 31 agosto 2024 significa che gli eventi recenti richiedono retrieval o contesto nel prompt. Se il tuo carico di lavoro è solo testo e non necessita di visione, un modello testuale più piccolo può essere più economico e veloce; se hai bisogno di generazione di immagini o audio, guarda altrove.