LLM EU
Meniu
Modeliai

Gemma 3 12B It

Google DeepMind

Tik kataloge Atvirieji svoriai

Paskutinį kartą peržiūrėta:

Suverenitetas ir talpinimas

Tik kataloge

Šis modelis yra kataloge tik nuorodai. Jis dar nėra talpinamas LLM EU, ir joks pirmosios šalies galinis taškas jo neaptarnauja. Užklausos jam siunčiamos tiesiogiai teikėjui, pagal to teikėjo sąlygas.

Santrauka

Gemma 3 12B It yra atvirojo kodo vaizdo-kalbos modelis iš Google DeepMind su 12.2B parametrų, paskelbtas pagal gemma licenciją. Repozitorija sukurta 2025 m. kovo mėn. ir yra atspindėta Hugging Face. Jis priima tekstą ir vaizdus ir atsako tekstu. Kontrolinis taškas yra apmokytas instrukcijomis ir turi pokalbių šabloną. Paskelbtoje konfigūracijoje nenurodomas konteksto langas, todėl šioje kortelėje jo nėra. Kortelė skirta tik katalogui: LLM EU šio modelio nepaleidžia. Leidėjas modelio puslapyje nenurodo kalbos aprėpties.

Specifikacijos

Teikėjas
Google DeepMind (US)
Konteksto langas
Nepatvirtinta: teikėjas nepagrindė šio teiginio.
Parametrai
12.2B
Modalumai
text, vision
Licencija
gemma · licence
Atvirieji svoriai
yes
Išleidimo data
2025-03-01
Užduotys
Daugiakalbis palaikymas, Vizija, Apibendrinimas

Kalbos

Stipri: —

Pakankama: —

Stipri

    Pakankama

      Nepatvirtinta: teikėjas nepagrindė šio teiginio. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Kada naudoti

      Stiprybės

      • 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

      Apribojimai

      • 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