LLM EU
Menü
Modelle

Gemma 3 4B It

Google DeepMind

Nur im Katalog Offene Gewichte

Zuletzt geprüft:

Souveränität und Hosting

Nur im Katalog

Dieses Modell ist als Referenz katalogisiert. Es wird noch nicht bei LLM EU gehostet, und kein Endpunkt aus erster Hand bedient es hier. Anfragen dazu gehen direkt an den Anbieter, zu dessen eigenen Bedingungen.

Zusammenfassung

Gemma 3 4B It ist ein offenes Vision-Language-Modell von Google DeepMind mit 4,3B Parameter, veröffentlicht unter gemma. Es nimmt Text und Bilder entgegen und antwortet in Text. Die veröffentlichte Konfiguration verzeichnet kein Kontextfenster; diese Karte führt daher keines. Der Checkpoint ist instruct-abgestimmt und enthält ein Chat-Template. Die Karte ist reiner Katalog: LLM EU betreibt dieses Modell nicht. Der Anbieter nennt auf der Modellseite keine Sprachabdeckung.

Technische Daten

Anbieter
Google DeepMind (US)
Kontextfenster
Nicht verifiziert: Der Anbieter hat diese Angabe nicht belegt.
Modellparameter
4.3B
Modalitäten
text, vision
Lizenz
gemma · licence
Offene Gewichte
yes
Veröffentlichungsdatum
20. Feb. 2025
Aufgaben
Mehrsprachiger Support, Bildverstehen, Günstig

Sprachen

Stark: —

Ausreichend: —

Stark

    Ausreichend

      Nicht verifiziert: Der Anbieter hat diese Angabe nicht belegt. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Wann einsetzen

      Stärken

      • open weights are published on Hugging Face and can be downloaded without a vendor agreement
      • at 4.3B parameters it fits on a single accelerator
      • instruction-tuned checkpoint with a chat template in the repository

      Grenzen

      • catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
      • no evaluation has been run by LLM EU
      • the published configuration records no context window, so the card carries none
      • at 4.3B parameters, the weights fit on a single modest accelerator
      • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model