Modelos

Gemma 3 27B It

Google DeepMind

Apenas catálogo Pesos abertos

Última revisão:

Soberania e alojamento

Apenas no catálogo

Este modelo está catalogado para referência. Ainda não está alojado na LLM EU, e nenhum endpoint próprio o serve aqui. Os pedidos são encaminhados diretamente para o fornecedor, sob os termos desse fornecedor.

Resumo

Gemma 3 27B It é um modelo de linguagem visual de peso aberto do Google DeepMind com 27.4B parâmetros, publicado sob gemma. O repositório foi criado em março de 2025 e está espelhado no Hugging Face. Ele aceita texto e imagens e responde em texto. O checkpoint é ajustado por instrução e inclui um modelo de chat. A configuração publicada não registra janela de contexto, portanto, este cartão não a possui. O cartão é apenas para catálogo: LLM EU não executa este modelo. O editor não declara cobertura de idioma na página do modelo.

Especificações

Fornecedor
Google DeepMind (US)
Janela de contexto
Não verificado: o fornecedor não documentou esta afirmação.
Parâmetros
27.4B
Modalidades
text, vision
Licença
gemma · licence
Pesos abertos
yes
Data de lançamento
01/03/2025
Tarefas
Suporte multilingue, Visão, Raciocínio

Idiomas

Forte: —

Adequado: —

Forte

    Adequado

      Não verificado: o fornecedor não documentou esta afirmação. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Quando usar

      Pontos fortes

      • 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

      Limitações

      • 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 27.4B 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