LLM EU
Menu
Modèles

Gemma 3 12B It

Google DeepMind

Catalogue uniquement Poids ouverts

Dernière vérification:

Souveraineté et hébergement

Catalogue uniquement

Ce modèle est répertorié à titre de référence. Il n'est pas encore hébergé sur LLM EU, et aucun point de terminaison de première partie ne le sert ici. Les requêtes qui lui sont adressées vont directement au fournisseur, selon les propres conditions de celui-ci.

Résumé

Gemma 3 12B It est un modèle de vision-langage à poids ouverts de Google DeepMind avec 12.2B paramètres, publié sous gemma. Le dépôt a été créé en mars 2025 et est mis en miroir sur Hugging Face. Il accepte le texte et les images et répond en texte. Le point de contrôle est réglé par instruction et inclut un modèle de chat. La configuration publiée n'enregistre aucune fenêtre contextuelle, donc cette fiche n'en contient aucune. La fiche est uniquement un catalogue : LLM EU n'exécute pas ce modèle. L'éditeur n'indique aucune couverture linguistique sur la page du modèle.

Spécifications

Fournisseur
Google DeepMind (US)
Fenêtre de contexte
Non vérifié : le fournisseur n'a pas documenté cette affirmation.
Paramètres
12.2B
Modalités
text, vision
Licence
gemma · licence
Poids ouverts
yes
Date de publication
01 mars 2025
Tâches
Support multilingue, Vision, Résumés

Langues

Solide: —

Correct: —

Solide

    Correct

      Non vérifié : le fournisseur n'a pas documenté cette affirmation. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Quand l'utiliser

      Points forts

      • open weights are published on Hugging Face and can be downloaded without a vendor agreement
      • instruction-tuned checkpoint with a chat template in the repository

      Limites

      • 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 12.2B parameters, self-hosting needs a single accelerator with enough memory for the weights
      • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model