Gemma 3

Запускайте мультимодальные модели Google Gemma 3 на Clore.ai — превосходит Llama-405B при в 15 раз меньшем размере

Gemma 3, выпущенная в марте 2025 года Google DeepMind, построена на той же технологии, что и Gemini 2.0. Её выдающееся достижение: модель 27B обходит Llama 3.1 405B в бенчмарках LMArena — модель в 15 раз большего размера. Она изначально мультимодальна (текст + изображения + видео), поддерживает контекст 128K и запускается на одном RTX 4090 с квантованием.

Ключевые особенности

• Намного мощнее своего веса: 27B опережает модели класса 405B в основных бенчмарках

• Нативно мультимодальна: Встроенное понимание текста, изображений и видео

• Окно контекста 128K: Обрабатывает длинные документы, кодовые базы, беседы

• Четыре размера: 1B, 4B, 12B, 27B — на любой бюджет GPU

• Версии QAT: Варианты с Quantization-Aware Training позволяют запускать 27B на потребительских GPU

• Широкая поддержка фреймворков: Ollama, vLLM, Transformers, Keras, JAX, PyTorch

Варианты моделей

Модель	Параметры	VRAM (Q4)	VRAM (FP16)	Лучше всего для
Gemma 3 1B	1B	1.5ГБ	3GB	Edge, мобильные устройства, тестирование
Gemma 3 4B	4B	4 ГБ	9 ГБ	Бюджетные GPU, быстрые задачи
Gemma 3 12B	12B	10GB	25ГБ	Сбалансированное качество/скорость
Gemma 3 27B	27B	18GB	54ГБ	Лучшее качество, продакшен
Gemma 3 27B QAT	27B	14GB	—	Оптимизирована для потребительских GPU

Требования

Компонент	Gemma 3 4B	Gemma 3 27B (Q4)	Gemma 3 27B (FP16)
GPU	RTX 3060	RTX 4090	2× RTX 4090 / A100
VRAM	6 ГБ	24 ГБ	48ГБ+
ОЗУ	16GB	32GB	64GB
Диск	10GB	25ГБ	55ГБ
CUDA	11.8+	11.8+	12.0+

Рекомендуемый GPU на Clore.ai: RTX 4090 24ГБ (~$0.5–2/день) для 27B в квантизованном виде — идеальный вариант

Быстрый старт с Ollama

# Установите Ollama
curl -fsSL https://ollama.com/install.sh | sh

# Запуск разных размеров
ollama run gemma3:1b     # Крошечный — 1.5ГБ VRAM
ollama run gemma3:4b     # Малый — 4ГБ VRAM
ollama run gemma3:12b    # Средний — 10ГБ VRAM
ollama run gemma3:27b    # Большой — 18-20ГБ VRAM (квантизован)

# Версия QAT (оптимизированное квантование)
ollama run gemma3:27b-qat

Ollama API Server

ollama serve &

curl http://localhost:11434/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemma3:27b",
    "messages": [{"role": "user", "content": "Сравните REST и GraphQL для нового API"}]
  }'

Визуальные возможности с Ollama

# Проанализировать изображение
ollama run gemma3:27b "Подробно опишите это изображение" --images ./photo.jpg

Настройка vLLM (Production)

pip install vllm

# Развернуть модель 27B
vllm serve google/gemma-3-27b-it \
  --max-model-len 8192 \
  --gpu-memory-utilization 0.90

# Развернуть с большим контекстом на 2 GPU
vllm serve google/gemma-3-27b-it \
  --tensor-parallel-size 2 \
  --max-model-len 65536

# Развернуть 4B для бюджетных конфигураций
vllm serve google/gemma-3-4b-it \
  --max-model-len 32768

HuggingFace Transformers

Генерация текста

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "google/gemma-3-27b-it"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    load_in_4bit=True  # Помещается на 24ГБ GPU
)

messages = [
    {"role": "user", "content": "Напишите класс на Python для двоичного дерева поиска с методами insert, search и delete"}
]

input_ids = tokenizer.apply_chat_template(messages, return_tensors="pt").to(model.device)
output = model.generate(input_ids, max_new_tokens=2048, temperature=0.7, do_sample=True)
print(tokenizer.decode(output[0][input_ids.shape[-1]:], skip_special_tokens=True))

Видение (понимание изображений)

import torch
from transformers import AutoProcessor, Gemma3ForConditionalGeneration
from PIL import Image

model_name = "google/gemma-3-27b-it"
processor = AutoProcessor.from_pretrained(model_name)
model = Gemma3ForConditionalGeneration.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    device_map="auto"
)

# Загрузить изображение
image = Image.open("screenshot.png")

messages = [
    {"role": "user", "content": [
        {"type": "image", "image": image},
        {"type": "text", "text": "Что показывает этот скриншот? Перечислите все элементы интерфейса."}
    ]}
]

inputs = processor.apply_chat_template(messages, return_tensors="pt").to(model.device)
output = model.generate(**inputs, max_new_tokens=1024)
print(processor.decode(output[0], skip_special_tokens=True))

Быстрый старт с Docker

docker run --gpus all -p 8000:8000 \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  vllm/vllm-openai:latest \
  --model google/gemma-3-27b-it \
  --max-model-len 8192

Основные моменты бенчмарков

Бенчмарк	Gemma 3 27B	Llama 3.1 70B	Llama 3.1 405B
LMArena ELO	1354	1298	1337
MMLU	75.6	79.3	85.2
HumanEval	72.0	72.6	80.5
VRAM (Q4)	18GB	40GB	200ГБ+
Стоимость на Clore	$0.5–2/день	$3–6/день	$12–24/день

Модель 27B обеспечивает качество разговорного интеллекта класса 405B при 1/10 затрат VRAM.

Советы для пользователей Clore.ai

• 27B QAT — оптимальный вариант: Quantization-Aware Training означает меньше потери качества по сравнению с пост-тренировочным квантованием — запускайте на одном RTX 4090

• Визуальные возможности бесплатны: Дополнительная настройка не требуется — Gemma 3 изначально понимает изображения. Отлично подходит для разбора документов, анализа скриншотов, чтения графиков

• Начните с короткого контекста: Используйте --max-model-len 8192 первоначально; увеличивайте только при необходимости, чтобы экономить VRAM

• 4B для бюджетных запусков: Если у вас RTX 3060/3070 ($0.15–0.3/день), модель 4B все ещё превосходит прошлое поколение 27B-моделей

• Аутентификация Google не требуется: В отличие от некоторых моделей, Gemma 3 скачивается без ограничений (просто примите лицензию на HuggingFace)

Устранение неполадок

Проблема	Решение
OutOfMemoryError на 27B	Используйте версию QAT или уменьшите --max-model-len до 4096
Визуальные возможности не работают в Ollama	Обновите Ollama до последней версии: curl -fsSL https://ollama.com/install.sh | sh
Медленная генерация	Проверьте, что вы используете bfloat16, а не float32. Используйте --dtype bfloat16
Модель генерирует мусор	Убедитесь, что вы используете -it (instruct-tuned) вариант, а не базовую модель
Ошибка 403 при загрузке	Примите лицензию Gemma по адресу https://huggingface.co/google/gemma-3-27b-it

Дополнительное чтение

• Технический отчет Gemma 3

• Карточка модели на HuggingFace

• Библиотека Ollama

• Google AI Studio — попробуйте Gemma 3 онлайн, прежде чем арендовать GPU