Google: Gemma 3 27B

Google Gemma 3 27B is een open model van Google, gedistribueerd onder de Gemma-familie en aangeboden op api14 onder het model-id google/gemma-3-27b-it. Het valt in de categorie tekst, en de releasedatum van de provider is 12 maart 2025. De knowledge cutoff is 31 augustus 2024, dus alles na die datum valt buiten wat het model tijdens training heeft gezien.

Het model accepteert tekst- en afbeeldingsinvoer en retourneert alleen tekst, wat het een vision-language-model maakt in plaats van een puur tekstueel model. Het contextvenster is 131.072 tokens, en de maximale uitvoer is 117.964 tokens, dus lange invoer en lange generaties zijn beide haalbaar binnen hetzelfde verzoek. Google beschrijft Gemma 3 als ondersteunend voor vision-language-invoer, met contextvensters tot 128k tokens, begrip van meer dan 140 talen, en verbeterd wiskunde-, redeneer- en chatgedrag vergeleken met eerdere Gemma-releases.

Die mogelijkheden wijzen op een paar praktische toepassingen. Het begrijpen van documenten en screenshots is een natuurlijke fit, omdat je een afbeelding samen met een tekstprompt kunt meesturen en een geschreven antwoord krijgt. Lang-context-werk zoals het samenvatten van grote bestanden, het beoordelen van lange threads, of het beantwoorden van vragen over een grote hoeveelheid tekst is in veel gevallen mogelijk zonder chunking. Meertalige toepassingen profiteren van de gerapporteerde taaldekking. Gestructureerde extractie en chatassistenten zijn ook redelijk, gezien de parameterlijst hieronder. Redeneer- en wiskundetaken worden ondersteund, hoewel de feiten hier geen benchmarkcijfers bevatten, dus evalueer op je eigen data.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id google/gemma-3-27b-it, dus bestaande OpenAI SDK's en clients werken met een wijziging van de base URL. De ondersteunde verzoekparameters zijn 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 en top_p. Tool calling en structured outputs zijn beide beschikbaar, wat function calling en JSON-vormige antwoorden dekt. Gebruik seed voor reproduceerbaarheid, en logprobs met top_logprobs als je confidence op tokenniveau nodig hebt.

Een paar beperkingen zijn het vermelden waard. Uitvoer is alleen tekst, dus het model kan geen afbeeldingen genereren, ook al leest het ze. De knowledge cutoff van 31 augustus 2024 betekent dat recente gebeurtenissen retrieval of promptcontext vereisen. Als je workload alleen tekst is en geen vision nodig heeft, kan een kleiner tekstmodel goedkoper en sneller zijn; als je beeldgeneratie of audio nodig hebt, kijk dan elders.