Gemma是来自Google的一个轻量级模型系列，基于 Gemini 技术构建。Gemma 3模型是多模态的——可以处理文本和图像——并具有 128K的上下文窗口，支持超过140种语言。它们有1B、4B、12B 和27B参数大小的版本，在问答、摘要和推理等任务中表现出色，同时其紧凑的设计允许部署在资源有限的设备上。
模型
文本
-
1B参数模型 (32k上下文窗口)
ollama run gemma3:1b
多模态 (视觉)
-
4B参数模型 (128k上下文窗口)
ollama run gemma3:4b -
12B参数模型 (128k上下文窗口)
ollama run gemma3:12b -
27B参数模型 (128k上下文窗口)
ollama run gemma3:27b
评估
Gemma 3预训练 (PT) 模型基准测试结果
该模型在一系列不同的数据集和指标上进行了评估，以涵盖文本生成的不同方面：
1. 推理、逻辑和代码能力
| 基准测试 (Benchmark) | 评测指标 (Metric) | 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 | - | 28.4 | 50.9 | 72.6 | 77.7 |
| DROP | 3-shot, F1 | 42.4 | 60.1 | 72.2 | 77.2 |
| AGIEval | 3-5-shot | 22.2 | 42.1 | 57.4 | 66.2 |
| MMLU | 5-shot, top-1 | 26.5 | 59.6 | 74.5 | 78.6 |
| MATH | 4-shot | – | 24.2 | 43.3 | 50.0 |
| GSM8K | 5-shot, maj@1 | 1.36 | 38.4 | 71.0 | 82.6 |
| GPQA | - | 9.38 | 15.0 | 25.4 | 24.3 |
| MMLU (Pro) | 5-shot | 11.2 | 23.7 | 40.8 | 43.9 |
| MBPP | 3-shot | 9.80 | 46.0 | 60.4 | 65.6 |
| HumanEval | pass@1 | 6.10 | 36.0 | 45.7 | 48.8 |
| MMLU (Pro COT) | 5-shot | 9.7 | NaN | NaN | NaN |
2. 多语言能力
| 基准测试 (Benchmark) | 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 |
| Belebele | 26.6 | 59.4 | 78.0 | – |
| WMT24++ (ChrF) | 36.7 | 48.4 | 53.9 | 55.7 |
| FloRes | 29.5 | 39.2 | 46.0 | 48.8 |
| XL-Sum | 4.82 | 8.55 | 12.2 | 14.9 |
| XQuAD (all) | 43.9 | 68.0 | 74.5 | 76.8 |
3. 多模态能力
| 基准测试 (Benchmark) | 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 | 45.4 | 60.9 | 63.8 |
| ChartQA (augmented) | 81.8 | 88.5 | 88.7 |
| VQAv2 | – | – | – |
| 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 |
