Porównaj
Gemma 3 4B It vs Gemma 3 12B It
Zestaw od dwóch do czterech modeli obok siebie według pól decydujących o wdrożeniu: kontekst, cena, region, licencja, języki, hosting i co jest zweryfikowane.
| Gemma 3 4B It | Gemma 3 12B It | |
|---|---|---|
| Dostawca | Google DeepMind | Google DeepMind |
| Parametry | 4.3B | 12.2B |
| Okno kontekstu | Niezweryfikowane: dostawca nie udokumentował tego twierdzenia. | Niezweryfikowane: dostawca nie udokumentował tego twierdzenia. |
| Licencja | gemma | gemma |
| Modalności | text, vision | text, vision |
| Data wydania | 20 lut 2025 | 01 mar 2025 |
| Języki | Niezweryfikowane: dostawca nie udokumentował tego twierdzenia. | Niezweryfikowane: dostawca nie udokumentował tego twierdzenia. |
| Otwarte wagi | tak | tak |
| Zadania | Wsparcie wielojęzyczne, Wizja, Niski koszt | Wsparcie wielojęzyczne, Wizja, Streszczanie |
Tam, gdzie dwa modele się różnią, ta tabela pokazuje różnicę i na tym poprzestaje. LLM EU nie publikuje odznaki zwycięzcy bez udokumentowanego wyniku dla tego zadania, a brakująca liczba pozostaje brakująca, zamiast stawać się zerem.
Kiedy używać
Gemma 3 4B It
Mocne strony
- 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
Ograniczenia
- 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
Zadania
Gemma 3 12B It
Mocne strony
- 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
Ograniczenia
- 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
Zadania
Zadania: Wsparcie wielojęzyczne, Wizja