Gemma 3 4b It Qat Q4 0 Gguf

🚀 Gemma 3模型卡片

Gemma 3是谷歌推出的轻量级、最先进的开源模型家族，基于与Gemini模型相同的研究和技术构建。该模型支持多模态，能处理文本和图像输入并生成文本输出，适用于多种文本生成和图像理解任务。

---

🚀 快速开始

本仓库对应Gemma 3模型4B 指令微调 版本，采用量化感知训练（QAT）的GGUF格式，GGUF对应Q4_0量化。得益于QAT，该模型在显著降低加载内存需求的同时，能保持与bfloat16相近的质量。

你可以在此处找到半精度版本。

代码示例

llama.cpp（仅文本）

./llama-cli -hf google/gemma-3-4b-it-qat-q4_0-gguf -p "Write a poem about the Kraken."

llama.cpp（图像输入）

wget https://github.com/bebechien/gemma/blob/main/surprise.png?raw=true -O ~/Downloads/surprise.png
./llama-gemma3-cli -hf google/gemma-3-4b-it-qat-q4_0-gguf -p "Describe this image." --image ~/Downloads/surprise.png

ollama（仅文本）

目前，通过Hugging Face在Ollama中使用GGUF不支持图像输入。请查看运行受限仓库的文档。

ollama run hf.co/google/gemma-3-4b-it-qat-q4_0-gguf

---

✨ 主要特性

• 多模态处理：支持文本和图像输入，生成文本输出。
• 大上下文窗口：拥有128K的大上下文窗口。
• 多语言支持：支持超过140种语言。
• 轻量化部署：相对较小的模型尺寸，适合在资源有限的环境中部署。

---

📚 详细文档

模型信息

描述

Gemma是谷歌推出的轻量级、最先进的开源模型家族，基于与Gemini模型相同的研究和技术构建。Gemma 3模型支持多模态，能处理文本和图像输入并生成文本输出，预训练和指令微调版本的权重均开源。该模型拥有128K的大上下文窗口，支持超过140种语言，且尺寸比之前的版本更多。Gemma 3模型适用于多种文本生成和图像理解任务，如问答、摘要和推理等。其相对较小的尺寸使其能够在资源有限的环境中部署，如笔记本电脑、台式机或自有云基础设施，让更多人能够使用最先进的AI模型，促进创新。

输入和输出

类型	详情
输入	- 文本字符串，如问题、提示或待摘要的文档 - 图像，归一化为896 x 896分辨率并编码为256个标记 - 4B、12B和27B尺寸的总输入上下文为128K标记，1B尺寸为32K标记
输出	- 针对输入生成的文本，如问题的答案、图像内容分析或文档摘要 - 总输出上下文为8192标记

模型数据

训练数据集

这些模型在包含多种来源的文本数据集上进行训练。27B模型使用14万亿个标记进行训练，12B模型使用12万亿个标记，4B模型使用4万亿个标记，1B模型使用2万亿个标记。主要组成部分如下：

• 网页文档：多样化的网页文本集合，确保模型接触到广泛的语言风格、主题和词汇。训练数据集包含超过140种语言的内容。
• 代码：让模型接触代码有助于学习编程语言的语法和模式，提高生成代码和理解代码相关问题的能力。
• 数学：在数学文本上进行训练有助于模型学习逻辑推理、符号表示和解决数学查询。
• 图像：广泛的图像使模型能够执行图像分析和视觉数据提取任务。

这些多样化数据源的组合对于训练一个强大的多模态模型至关重要，该模型能够处理各种不同的任务和数据格式。

数据预处理

对训练数据应用的主要数据清理和过滤方法如下：

• CSAM过滤：在数据准备过程的多个阶段应用严格的CSAM（儿童性虐待材料）过滤，确保排除有害和非法内容。
• 敏感数据过滤：作为使Gemma预训练模型安全可靠的一部分，使用自动化技术从训练集中过滤掉某些个人信息和其他敏感数据。
• 其他方法：根据我们的政策进行基于内容质量和安全性的过滤。

实现信息

硬件

Gemma使用张量处理单元（TPU）硬件（TPUv4p、TPUv5p和TPUv5e）进行训练。训练视觉语言模型（VLM）需要大量的计算能力。TPU专门为机器学习中常见的矩阵运算而设计，在这一领域具有以下优势：

• 性能：TPU专门用于处理训练VLM涉及的大量计算，与CPU相比，可显著加速训练过程。
• 内存：TPU通常配备大量高带宽内存，允许在训练过程中处理大型模型和批量大小，从而提高模型质量。
• 可扩展性：TPU Pod（大型TPU集群）为处理大型基础模型日益增长的复杂性提供了可扩展的解决方案。你可以在多个TPU设备上分布训练，以实现更快、更高效的处理。
• 成本效益：在许多情况下，与基于CPU的基础设施相比，TPU可以为训练大型模型提供更具成本效益的解决方案，特别是考虑到更快的训练速度节省的时间和资源。
• 这些优势与谷歌的可持续运营承诺相一致。

软件

使用JAX和ML Pathways进行训练。

JAX允许研究人员利用最新一代的硬件（包括TPU），更快、更高效地训练大型模型。ML Pathways是谷歌构建能够跨多个任务进行泛化的人工智能系统的最新成果，特别适用于基础模型，包括此类大型语言模型。

如关于Gemini模型家族的论文所述，JAX和ML Pathways一起使用：“Jax和Pathways的‘单控制器’编程模型允许单个Python进程编排整个训练过程，大大简化了开发工作流程。”

评估

⚠️ 重要提示

本节中的评估对应原始检查点，而非QAT检查点。

基准测试结果

这些模型针对大量不同的数据集和指标进行评估，以涵盖文本生成的不同方面：

推理和事实性

基准测试	指标	Gemma 3 PT 1B	Gemma 3 PT 4B	Gemma 3 PT 12B	Gemma 3 PT 27B
HellaSwag	10-shot	62.3	77.2	84.2	85.6
BoolQ	0-shot	63.2	72.3	78.8	82.4
PIQA	0-shot	73.8	79.6	81.8	83.3
SocialIQA	0-shot	48.9	51.9	53.4	54.9
TriviaQA	5-shot	39.8	65.8	78.2	85.5
Natural Questions	5-shot	9.48	20.0	31.4	36.1
ARC-c	25-shot	38.4	56.2	68.9	70.6
ARC-e	0-shot	73.0	82.4	88.3	89.0
WinoGrande	5-shot	58.2	64.7	74.3	78.8
BIG-Bench Hard	few-shot	28.4	50.9	72.6	77.7
DROP	1-shot	42.4	60.1	72.2	77.2

STEM和代码

基准测试	指标	Gemma 3 PT 4B	Gemma 3 PT 12B	Gemma 3 PT 27B
MMLU	5-shot	59.6	74.5	78.6
MMLU (Pro COT)	5-shot	29.2	45.3	52.2
AGIEval	3 - 5-shot	42.1	57.4	66.2
MATH	4-shot	24.2	43.3	50.0
GSM8K	8-shot	38.4	71.0	82.6
GPQA	5-shot	15.0	25.4	24.3
MBPP	3-shot	46.0	60.4	65.6
HumanEval	0-shot	36.0	45.7	48.8

多语言

基准测试	Gemma 3 PT 1B	Gemma 3 PT 4B	Gemma 3 PT 12B	Gemma 3 PT 27B
MGSM	2.04	34.7	64.3	74.3
Global-MMLU-Lite	24.9	57.0	69.4	75.7
WMT24++ (ChrF)	36.7	48.4	53.9	55.7
FloRes	29.5	39.2	46.0	48.8
XQuAD (all)	43.9	68.0	74.5	76.8
ECLeKTic	4.69	11.0	17.2	24.4
IndicGenBench	41.4	57.2	61.7	63.4

多模态

基准测试	Gemma 3 PT 4B	Gemma 3 PT 12B	Gemma 3 PT 27B
COCOcap	102	111	116
DocVQA (val)	72.8	82.3	85.6
InfoVQA (val)	44.1	54.8	59.4
MMMU (pt)	39.2	50.3	56.1
TextVQA (val)	58.9	66.5	68.6
RealWorldQA	45.5	52.2	53.9
ReMI	27.3	38.5	44.8
AI2D	63.2	75.2	79.0
ChartQA	63.6	74.7	76.3
VQAv2	63.9	71.2	72.9
BLINK	38.0	35.9	39.6
OKVQA	51.0	58.7	60.2
TallyQA	42.5	51.8	54.3
SpatialSense VQA	50.9	60.0	59.4
CountBenchQA	26.1	17.8	68.0

伦理与安全

评估方法

评估方法包括结构化评估和对相关内容政策的内部红队测试。红队测试由多个不同的团队进行，每个团队有不同的目标和人工评估指标。这些模型针对与伦理和安全相关的多个不同类别进行评估，包括：

• 儿童安全：评估文本到文本和图像到文本的提示，涵盖儿童安全政策，包括儿童性虐待和剥削。
• 内容安全：评估文本到文本和图像到文本的提示，涵盖安全政策，包括骚扰、暴力和血腥内容以及仇恨言论。
• 代表性危害：评估文本到文本和图像到文本的提示，涵盖安全政策，包括偏见、刻板印象和有害关联或不准确信息。

除了开发阶段的评估，还进行“保证评估”，这是我们的“独立”内部评估，用于责任治理决策。这些评估与模型开发团队分开进行，为发布决策提供信息。高级别发现会反馈给模型团队，但提示集被保留以防止过拟合并保持结果为决策提供信息的能力。保证评估结果作为发布审查的一部分报告给我们的责任与安全委员会。

评估结果

在所有安全测试领域，与之前的Gemma模型相比，在儿童安全、内容安全和代表性危害类别中都有重大改进。所有测试均在不使用安全过滤器的情况下进行，以评估模型的能力和行为。对于文本到文本和图像到文本，以及所有模型尺寸，模型产生的政策违规最少，并且在无根据推理方面比之前的Gemma模型表现有显著改进。评估的一个局限性是只包括英语提示。

使用和限制

预期用途

开源视觉语言模型（VLM）在各个行业和领域有广泛的应用。以下潜在用途列表并不全面，目的是提供模型创建者在模型训练和开发过程中考虑的可能用例的上下文信息。

• 内容创作和通信
  • 文本生成：可用于生成创意文本格式，如诗歌、脚本、代码、营销文案和电子邮件草稿。
  • 聊天机器人和对话式AI：为客户服务、虚拟助手或交互式应用程序提供对话界面。
  • 文本摘要：生成文本语料库、研究论文或报告的简洁摘要。
  • 图像数据提取：可用于提取、解释和总结视觉数据，用于文本通信。
• 研究和教育
  • 自然语言处理（NLP）和VLM研究：可作为研究人员试验VLM和NLP技术、开发算法和推动该领域发展的基础。
  • 语言学习工具：支持交互式语言学习体验，有助于语法纠正或提供写作练习。
  • 知识探索：通过生成摘要或回答特定主题的问题，帮助研究人员探索大量文本。

限制

• 训练数据
  • 训练数据的质量和多样性显著影响模型的能力。训练数据中的偏差或差距可能导致模型响应的局限性。
  • 训练数据集的范围决定了模型能够有效处理的主题领域。
• 上下文和任务复杂性
  • 模型更擅长可以用明确提示和指令构建的任务。开放式或高度复杂的任务可能具有挑战性。
  • 模型的性能可能受到提供的上下文量的影响（在一定程度上，更长的上下文通常会导致更好的输出）。
• 语言歧义与细微差别
  • 自然语言本质上是复杂的。模型可能难以理解微妙的细微差别、讽刺或比喻语言。
• 事实准确性
  • 模型根据从训练数据集中学到的信息生成响应，但它们不是知识库。可能会生成不正确或过时的事实陈述。
• 常识
  • 模型依赖于语言中的统计模式。在某些情况下，可能缺乏应用常识推理的能力。

伦理考虑和风险

视觉语言模型（VLM）的开发引发了一些伦理问题。在创建开源模型时，我们仔细考虑了以下方面：

• 偏差和公平性
  • 在大规模、真实世界的文本和图像数据上训练的VLM可能会继承数据中的偏差。需要采取措施确保模型的输出是公平和无偏见的。

---

🔧 技术细节

模型引用

@article{gemma_2025,
    title={Gemma 3},
    url={https://goo.gle/Gemma3Report},
    publisher={Kaggle},
    author={Gemma Team},
    year={2025}
}

资源和技术文档

• Gemma 3技术报告
• 负责任的生成式AI工具包
• Kaggle上的Gemma
• Vertex模型花园中的Gemma

使用条款

条款

作者

Google DeepMind

---

📄 许可证

Gemma

---

相关链接

• 模型页面：Gemma