Gemma 3 被谷歌称为目前最强的开源视觉模型之一。 该模型支持超过35种语言，能够分析文本、图像和短视频。值得注意的是，Gemma 3 的视觉编码器经过升级，支持高分辨率和非方形图像，并引入了 ShieldGemma 2 图像安全分类器，用于过滤被分类为性暗示、危险或暴力的内容。这些特性使得 Gemma 3 成为当前最强大的开源视觉模型之一。

此图表按 Chatbot Arena Elo 得分对 AI 模型进行排名；得分越高（数字越大），表示用户偏好越高。点表示估计的 NVIDIA H100 GPU 要求。Gemma 3 27B 排名靠前，只需要一个 GPU，而其他模型则需要多达 32 个。

本地安装，单显卡可以选择1b，4b，12b，27b，推荐选择27b，因为Gemma 3 27B 处于帕累托最佳点

对于 1B 版本，输入上下文窗口长度已从 Gemma 2 的 8k 增加到32k ，对于其他所有版本，则增加到 128k。与其他 VLM（视觉语言模型）一样，Gemma 3 会根据用户输入生成文本，这些文本可能由文本组成，也可能由图像组成。示例用途包括问答、分析图像内容、总结文档等。

本地部署Gemma 3开源大模型：

1、下载官方 Ollama 【点击前往】 ，并通过下方的安装命令执行下载：

普通用户建议选择4b和12b，显卡好的可以上27b 

ollama run gemma3:1b
ollama run gemma3:4b
ollama run gemma3:12b
ollama run gemma3:27b

2、通过Chrome插件调用本地Gemma 3视觉大模型【点击下载】

就可以愉快的使用了

可以很好的对图片进行识别：

当然你可以使用Google AI Studio 对短视频进行分析，支持上传和链接

Google AI Studio ：【点击前往】