Google: Gemma 3 4B

Google: Gemma 3 4B är en textgenereringsmodell från Google, släppt den 13 mars 2025. Den tillhör Gemma 3-familjen, som Google beskriver introducerar multimodalitet, vilket innebär att dessa modeller tar emot bild- och språkinmatning snarare än enbart text. 4B i namnet syftar på modellens storleksklass inom den familjen, och suffixet it markerar den instruktionstränade varianten, så den är byggd för att följa prompter och hålla konversationer snarare än att bara fortsätta rå text.

Modellen tar emot text- och bildinmatning och producerar textutdata. Dess kontextfönster är 131072 tokens, och den maximala utdatalängden är 16384 tokens. Google uppger att den hanterar kontextfönster upp till 128k tokens, förstår över 140 språk och erbjuder förbättrad matematik, resonemang och chattförmåga jämfört med tidigare Gemma-generationer. Kunskapsavgränsningen är 31 augusti 2024, så allt efter det datumet ligger utanför vad modellen lärde sig under träningen. Eftersom indata kan innehålla bilder kan prompter kombinera skärmbilder, foton, diagram eller skannade sidor med skriftliga instruktioner.

Dessa förmågor pekar mot en ganska bred uppsättning praktiska användningsområden. Det långa kontextfönstret passar arbete med stora dokument, som att sammanfatta långa rapporter, svara på frågor mot en fullständig kodbas eller ett kontrakt, eller hålla en lång konversation sammanhängande utan att trimma historiken. Multimodal inmatning gör den användbar för uppgifter som att beskriva eller extrahera information från bilder, läsa diagram och scheman, eller hantera dokumentbilder tillsammans med textfrågor. Flerspråkigt stöd över mer än 140 språk passar översättning, lokaliseringsutkast och kundvänd chatt på många marknader. Det instruktionstränade chattbeteendet och förbättrat resonemang och matematik gör den till en rimlig passform för assistenter, strukturerad extrahering och stegvis problemlösning där uppgiften inte kräver den största tillgängliga modellen.

Du anropar modellen genom api14:s OpenAI-kompatibla API med modell-id:t "google/gemma-3-4b-it". Eftersom gränssnittet följer OpenAI:s chat completions-form skickar du en begäran till chat completions-endpointen med det id:t i fältet model och dina meddelanden i arrayen messages, inklusive bildinnehåll där det är relevant. Modellen stöder dessa begärandeparametrar: frequency_penalty, logit_bias, max_tokens, min_p, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, top_k och top_p. Strukturerade utdata och response_format är användbara när du behöver JSON eller en annan definierad form tillbaka, och seed hjälper när du vill ha mer reproducerbar sampling.

En begränsning värd att notera är kunskapsavgränsningen den 31 augusti 2024, så frågor om senare händelser besvaras inte enbart utifrån träningsdata. Storleken 4B innebär också att den ligger under större Gemma 3-varianter, så om en uppgift kräver det starkaste resonemanget eller den bredaste allmänna kunskapen kan en större modell passa bättre. För långkontext-, flerspråkigt och bildmedvetet arbete i mindre skala är denna modell en rimlig utgångspunkt.