LLM EU
Meny
Modeller

Gemma 3 27B It

Google DeepMind

Endast katalog Öppna vikter

Senast granskad:

Suveränitet och hosting

Endast i katalog

Den här modellen finns i katalogen för referens. Den finns ännu inte hos LLM EU, och ingen förstapartsändpunkt betjänar den här. Begäranden till den går direkt till leverantören, enligt leverantörens egna villkor.

Sammanfattning

Gemma 3 27B It är en vision-språkmodell med öppna vikter från Google DeepMind med 27.4B parametrar, publicerad under gemma. Arkivet skapades i mars 2025 och speglas på Hugging Face. Den accepterar text och bilder och svarar i text. Kontrollpunkten är instruktions-tränad och levereras med en chattmall. Den publicerade konfigurationen anger inget kontextfönster, så detta kort innehåller inget. Kortet är endast för katalog: LLM EU kör inte denna modell. Utgivaren anger ingen språktäckning på modellsidan.

Specifikationer

Leverantör
Google DeepMind (US)
Kontextfönster
Inte verifierad: leverantören har inte dokumenterat detta påstående.
Parametrar
27.4B
Modaliteter
text, vision
Licens
gemma · licence
Öppna vikter
yes
Utgivningsdatum
01 mars 2025
Uppgifter
Flerspråkigt stöd, Vision, Resonemang

Språk

Stark: —

Tillräcklig: —

Stark

    Tillräcklig

      Inte verifierad: leverantören har inte dokumenterat detta påstående. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      När den ska användas

      Styrkor

      • 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

      Begränsningar

      • 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