模型简介
模型特点
模型能力
使用案例
🚀 Gemma 3 12B 指令调优 QAT 压缩张量模型
Gemma 3 12B 指令调优 QAT 压缩张量模型是一款强大的多模态模型,它基于 Google 的先进技术,能够处理文本和图像输入并生成高质量的文本输出。该模型在多种任务中表现出色,且经过优化,降低了内存需求,适合在资源有限的环境中部署。
🚀 快速开始
你可以使用 vLLM 运行此模型:
vllm serve gaunernst/gemma-3-12b-it-qat-compressed-tensors
✨ 主要特性
- 多模态处理:能够处理文本和图像输入,生成文本输出,适用于多种任务。
- 低内存需求:通过量化感知训练(QAT),在保持与
bfloat16
相似质量的同时,显著降低了加载模型所需的内存。 - 高性能:在多个基准测试中表现出色,提供了优于同类模型的性能。
📦 安装指南
使用 vLLM 运行模型的安装命令如下:
vllm serve gaunernst/gemma-3-12b-it-qat-compressed-tensors
💻 使用示例
基础用法
llama.cpp(仅文本)
./llama-cli -hf google/gemma-3-12b-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-3-12b-it-qat-q4_0-gguf -p "Describe this image." --image ~/Downloads/surprise.png
ollama(仅文本)
ollama run hf.co/google/gemma-3-12b-it-qat-q4_0-gguf
高级用法
目前文档中未提供高级用法示例。
📚 详细文档
模型信息
描述
Gemma 是 Google 推出的一系列轻量级、最先进的开放模型,基于与 Gemini 模型相同的研究和技术构建。Gemma 3 模型是多模态的,能够处理文本和图像输入并生成文本输出,其预训练和指令调优变体的权重均开放。Gemma 3 具有 128K 的大上下文窗口,支持超过 140 种语言,并且有比以前版本更多的尺寸可供选择。该模型适用于各种文本生成和图像理解任务,如问答、摘要和推理。由于其相对较小的尺寸,它可以部署在资源有限的环境中,如笔记本电脑、台式机或你自己的云基础设施,使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,每个图像编码为 256 个标记 - 4B、12B 和 27B 尺寸的总输入上下文为 128K 标记,1B 尺寸的总输入上下文为 32K 标记 |
输出 | - 对输入的生成文本响应,如问题的答案、图像内容的分析或文档的摘要 - 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它学习编程语言的语法和模式,提高其生成代码和理解与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。
数据预处理
对训练数据应用了以下关键的数据清理和过滤方法:
- CSAM 过滤:在数据准备过程的多个阶段应用了严格的 CSAM(儿童性虐待材料)过滤,以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出某些个人信息和其他敏感数据。
- 其他方法:根据内容质量和安全性进行过滤,符合我们的政策。
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,在这个领域具有以下优势:
- 性能:TPU 专门设计用于处理训练 VLM 涉及的大量计算。与 CPU 相比,它们可以显著加速训练。
- 内存:TPU 通常配备大量的高带宽内存,允许在训练期间处理大型模型和批量大小。这可以提高模型质量。
- 可扩展性:TPU Pod(大型 TPU 集群)为处理大型基础模型不断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,特别是考虑到由于更快的训练而节省的时间和资源。
- 这些优势符合 Google 的可持续运营承诺。
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)来更快、更高效地训练大型模型。ML Pathways 是 Google 最新的努力,旨在构建能够跨多个任务进行泛化的人工智能系统。这特别适用于基础模型,包括像这样的大型语言模型。 JAX 和 ML Pathways 一起使用,如关于 Gemini 模型系列的论文中所述:“Jax 和 Pathways 的‘单控制器’编程模型允许单个 Python 进程编排整个训练运行,极大地简化了开发工作流程。”
评估
基准测试结果
这些模型在大量不同的数据集和指标上进行评估,以涵盖文本生成的不同方面:
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 |
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 |
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 |
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
我们的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:评估覆盖儿童安全政策的文本到文本和图像到文本提示,包括儿童性虐待和剥削。
- 内容安全:评估覆盖安全政策的文本到文本和图像到文本提示,包括骚扰、暴力和血腥内容以及仇恨言论。
- 代表性危害:评估覆盖安全政策的文本到文本和图像到文本提示,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,我们还进行“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,我们在儿童安全、内容安全和代表性危害类别中看到了重大改进。所有测试均在没有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,并且在无根据推断方面比之前的 Gemma 模型表现出显著改进。我们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
开放视觉语言模型 (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。此列表的目的是提供有关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:这些模型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:这些模型可用于提取、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:这些模型可以作为研究人员试验 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,帮助进行语法纠正或提供写作练习。
- 知识探索:通过生成摘要或回答关于特定主题的问题,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可以有效处理的主题领域。
- 上下文和任务复杂性
- 模型更擅长可以用清晰提示和说明构建的任务。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。它们可能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。它们可能在某些情况下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。在创建开放模型时,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 可能反映训练材料中嵌入的社会文化偏差。这些模型经过了仔细审查、输入数据预处理,并在本卡片中报告了后续评估。
- 错误信息和滥用
- VLM 可能被滥用来生成虚假、误导或有害的文本。
- 提供了负责任使用模型的指南,见负责任生成式 AI 工具包。
- 透明度和问责制
- 本模型卡片总结了模型的架构、能力、限制和评估过程的详细信息。
- 一个负责任开发的开放模型为通过使 VLM 技术可供 AI 生态系统中的开发人员和研究人员使用来分享创新提供了机会。
已识别的风险和缓解措施
- 偏差的延续:鼓励在模型训练、微调等用例期间进行持续监控(使用评估指标、人工审查)并探索去偏技术。
- 有害内容的生成:内容安全的机制和指南至关重要。鼓励开发人员根据其特定的产品政策和应用用例谨慎行事并实施适当的内容安全保障措施。
- 用于恶意目的的滥用:技术限制以及对开发人员和最终用户的教育可以帮助减轻 VLM 的恶意应用。提供了教育资源和用户标记滥用的报告机制。Gemma 模型的禁止使用情况在Gemma 禁止使用政策中列出。
- 隐私侵犯:模型在经过过滤以去除某些个人信息和其他敏感数据的数据上进行训练。鼓励开发人员遵守隐私法规并使用保护隐私的技术。
许可证
本模型的许可证为 gemma。若要在 Hugging Face 上访问 Gemma,你需要审查并同意 Google 的使用许可证。请确保你已登录 Hugging Face 并点击下方按钮。请求将立即处理。 [确认许可证](Acknowledge license)
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
使用条款
作者
Google DeepMind
模型页面
⚠️ 重要提示
若要在 Hugging Face 上访问 Gemma,你需要审查并同意 Google 的使用许可证。请确保你已登录 Hugging Face 并点击下方按钮。请求将立即处理。
💡 使用建议
- 在使用模型时,建议根据具体任务和数据特点进行适当的微调,以获得更好的性能。
- 注意模型的局限性,特别是在处理复杂任务、语言歧义或需要常识推理的情况时。
- 遵守相关的伦理和安全准则,避免滥用模型生成有害内容。









