library_name: transformers license: gemma base_model:

• google/gemma-3-27b-it

Gemma 3纯文本模型卡片

模型信息

原始模型: Google DeepMind开发的Gemma 3

适配版本: 纯文本版本（已移除图像处理功能）

模型描述

这是Gemma 3模型的纯文本版本，由Google原生的多模态Gemma 3模型适配而来。在保留文本生成能力的同时移除了图像处理功能。

该纯文本适配版本保持了核心语言能力，具有128K上下文窗口，支持140多种语言。模型适用于多种文本生成任务，包括问答、摘要和推理。

此适配使模型更加轻量化，适合仅需文本处理的场景，或在资源受限无法运行完整多模态模型的环境中使用。

输入输出

• 输入:
  • 文本字符串，如问题、提示或待总结的文档
  • 27B版本的总输入上下文为128K tokens
• 输出:
  • 根据输入生成的文本响应，如问题答案或文档摘要
  • 总输出上下文为8192 tokens

适配细节

本次适配：

1. 移除了模型的图像处理组件
2. 保留了相同的文本分词和生成能力
3. 兼容标准纯文本推理流程
4. 可使用常规AutoModelForCausalLM，无需特殊的多模态类

使用示例

from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "your-username/gemma-3-27b-text" # 上传后替换为您的模型路径
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

messages = [
    {"role": "system", "content": "你是一个提供有用且准确信息的AI助手"},
    {"role": "user", "content": "你好，今天天气怎么样？"}
]

inputs = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    return_tensors="pt"
)

outputs = model.generate(
    inputs,
    max_new_tokens=512,
    temperature=0.2,
    do_sample=True
)

response = tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True)
print(response)