许可证：gemma
流水线标签：文本生成
额外授权标题：在Hugging Face上访问Gemma
额外授权提示：
要在Hugging Face上访问Gemma，您需要审阅并同意谷歌的使用许可。为此，请确保您已登录Hugging Face并点击下方按钮。请求将立即处理。
额外授权按钮内容：确认许可
基础模型：google/gemma-3-1b-pt
标签：

• gemma
• gemma3

Gemma 3模型卡片

模型页面：Gemma

[!注意]
本仓库对应Gemma 3模型的1B**预训练（基础）**版本，采用量化感知训练（QAT）的GGUF格式。GGUF对应Q4_0量化。对于大多数用例，您可能需要使用指令调优（IT）的GGUF版本。

得益于QAT，该模型能够在显著降低加载内存需求的同时，保持与bfloat16相似的输出质量。

半精度版本可在此获取，指令调优模型的QAT版本可在此获取。

资源与技术文档：

• [Gemma 3技术报告][g3-tech-report]
• [负责任生成式AI工具包][rai-toolkit]
• [Kaggle上的Gemma][kaggle-gemma]
• [Vertex Model Garden上的Gemma][vertex-mg-gemma3]

使用条款：[条款][terms]
作者：Google DeepMind

模型信息

模型概述及输入输出的简要说明。

描述

Gemma是谷歌推出的轻量级尖端开放模型家族，基于与Gemini模型相同的研究和技术构建。Gemma 3模型为多模态模型，可处理文本和图像输入并生成文本输出，其预训练变体和指令调优变体均开放权重。Gemma 3拥有128K的大上下文窗口，支持140多种语言，且提供比前代更多的尺寸选择。Gemma 3模型适用于多种文本生成和图像理解任务，包括问答、摘要和推理。其较小的体积使其能够部署在资源有限的环境中，如笔记本电脑、台式机或自有云基础设施，从而普及尖端AI模型的访问，助力大众创新。

输入与输出

• 输入：

  • 文本字符串，如问题、提示或待摘要的文档
  • 图像，归一化为896 x 896分辨率并编码为每张256个token
  • 4B、12B和27B尺寸的总输入上下文为128K token，1B尺寸为32K token

• 输出：

  • 根据输入生成的文本响应，如问题答案、图像内容分析或文档摘要
  • 总输出上下文为8192个token

使用方式

以下是一些快速运行模型的代码片段。

llama.cpp（仅文本）

./llama-cli -hf google/gemma-3-1b-pt-qat-q4_0-gguf -p "那是一个黑暗而暴风雨的夜晚。"  

ollama（仅文本）
请参阅运行授权仓库的文档。

ollama run hf.co/google/gemma-3-1b-pt-qat-q4_0-gguf  

引用

@article{gemma_2025,  
    title={Gemma 3},  
    url={https://goo.gle/Gemma3Report},  
    publisher={Kaggle},  
    author={Gemma Team},  
    year={2025}  
}  

模型数据

模型训练数据及其处理方式。

训练数据集

这些模型在包含多种来源的文本数据集上训练。27B模型训练使用了14万亿token，12B模型为12万亿token，4B模型为4万亿token，1B模型为2万亿token。关键组成部分包括：

• 网络文档：多样化的网页文本确保模型接触广泛的语言风格、主题和词汇，训练数据涵盖140多种语言。
• 代码：让模型学习编程语言的语法和模式，提升其生成和理解代码相关问题的能力。
• 数学：数学文本训练帮助模型掌握逻辑推理、符号表示及解决数学查询。
• 图像：广泛的图像数据使模型能够执行图像分析和视觉数据提取任务。

这些多样化数据源的组合对于训练能够处理多种任务和数据格式的强大多模态模型至关重要。

数据预处理

关键的数据清理和过滤方法包括：

• CSAM过滤：在数据准备的多阶段严格过滤儿童性虐待材料（CSAM），确保排除有害非法内容。
• 敏感数据过滤：作为确保Gemma预训练模型安全可靠的一部分，采用自动化技术过滤训练集中的个人信息和其他敏感数据。
• 其他方法：根据[我们的政策][safety-policies]进行基于内容质量和安全性的过滤。

实现信息

模型内部细节。

硬件

Gemma使用[张量处理单元（TPU）][tpu]硬件（TPUv4p、TPUv5p和TPUv5e）训练。训练视觉语言模型（VLM）需要强大的计算能力，TPU专为机器学习中常见的矩阵运算设计，具有以下优势：

• 性能：TPU专为处理VLM训练中的大规模计算设计，相比CPU可显著加速训练。
• 内存：TPU通常配备大容量高带宽内存，支持训练期间处理大模型和批量数据，从而提升模型质量。
• 可扩展性：TPU Pod（TPU大型集群）为处理大型基础模型日益增长的复杂性提供可扩展解决方案，可跨多个TPU设备分布训练以实现更高效处理。
• 成本效益：在许多场景下，尤其是考虑到因加速训练节省的时间和资源时，TPU相比基于CPU的基础设施能提供更具成本效益的解决方案。
• 这些优势与[谷歌的可持续运营承诺][sustainability]一致。

软件

训练使用[JAX][jax]和[ML Pathways][ml-pathways]完成。
JAX让研究人员能利用包括TPU在内的最新硬件，更快更高效地训练大模型。ML Pathways是谷歌构建能跨多任务泛化的人工智能系统的最新努力，特别适合包括此类大语言模型在内的基础模型。
如[Gemini模型家族论文][gemini-2-paper]所述，JAX和ML Pathways共同实现了"Jax和Pathways的'单控制器'编程模型允许单个Python进程协调整个训练运行，极大简化了开发工作流程。"

评估

模型评估指标与结果。

基准测试结果

这些模型针对大量不同数据集和指标进行了评估，涵盖文本生成的多个方面：

推理与事实性

（表格内容略，保留原格式）

STEM与代码

（表格内容略，保留原格式）

多语言

（表格内容略，保留原格式）

多模态

（表格内容略，保留原格式）

伦理与安全

伦理安全评估方法及结果。

评估方法

我们的评估方法包括结构化评估和相关内容政策的内部红队测试。红队由多个团队执行，各团队目标及人工评估指标不同。这些模型针对伦理安全的多个类别进行了评估，包括：

• 儿童安全：覆盖儿童安全政策（如儿童性虐待和剥削）的文本到文本及图像到文本提示评估。
• 内容安全：覆盖安全政策（如骚扰、暴力血腥和仇恨言论）的文本到文本及图像到文本提示评估。
• 表征危害：覆盖安全政策（如偏见、刻板印象及有害关联或错误）的文本到文本及图像到文本提示评估。

除开发级评估外，我们还进行"保障评估"——为责任治理决策提供的独立内部评估。它们与模型开发团队分开执行，为发布决策提供依据。高层发现会反馈给模型团队，但提示集被保留以防止过拟合并保持结果对决策的参考价值。保障评估结果作为发布审查的一部分报告给我们的责任与安全委员会。

评估结果

在所有安全测试领域，相比前代Gemma模型，我们在儿童安全、内容安全和表征危害类别中看到了重大改进。所有测试均在无安全过滤器下进行以评估模型能力和行为。对于文本到文本和图像到文本任务及所有模型尺寸，模型的政策违规极少，且在无根据推断方面较前代Gemma模型有显著提升。我们评估的局限性在于仅包含英文提示。

使用与限制

用户需注意这些模型的某些限制。

预期用途

开放视觉语言模型（VLM）在各行业和领域有广泛应用。以下潜在用途列表并不全面，旨在提供模型创建者在训练和开发过程中考虑的可能用例背景信息。

• 内容创作与传播
  • 文本生成：可用于生成诗歌、剧本、代码、营销文案和邮件草稿等创意文本。
  • 聊天机器人和对话AI：为客服、虚拟助手或交互应用提供对话接口支持。
  • 文本摘要：生成文本语料、研究论文或报告的简明摘要。
  • 图像数据提取：用于提取、解释和总结视觉数据以进行文本沟通。
• 研究与教育
  • 自然语言处理（NLP）和VLM研究：可作为研究人员实验VLM和NLP技术、开发算法并推动领域进步的基础。
  • 语言学习工具：支持交互式语言学习体验，辅助语法纠正或提供写作练习。
  • 知识探索：通过生成摘要或回答特定主题问题，协助研究人员探索大量文本。

限制

• 训练数据
  • 训练数据的质量和多样性显著影响模型能力，数据中的偏见或空白可能导致模型响应受限。
  • 训练数据集的范围决定了模型能有效处理的主题领域。
• 上下文与任务复杂性
  • 模型更擅长可通过清晰提示和指令框架化的任务，开放式或高度复杂的任务可能具有挑战性。
  • 模型性能受提供上下文量的影响（在一定范围内，更长上下文通常带来更好输出）。
• 语言歧义与细微差别
  • 自然语言本质复杂，模型可能难以把握微妙差异、讽刺或比喻性语言。
• 事实准确性
  • 模型基于训练数据集学习的信息生成响应，但它们并非知识库，可能生成不正确或过时的事实陈述。
• 常识
  • 模型依赖语言统计模式，可能缺乏在某些情况下应用常识推理的能力。

伦理考量与风险

视觉语言模型（VLM）的开发引发多项伦理问题。在创建开放模型时，我们仔细考虑了以下方面：

• 偏见与公平性
  • 基于大规模真实世界文本和图像数据训练的VLM可能反映训练材料中嵌入的社会文化偏见。这些模型经过严格审查，本卡片描述了输入数据预处理及后续评估报告。
• 错误信息与滥用
  • VLM可能被滥用于生成虚假、误导或有害文本。
  • 随模型提供了[负责任生成式AI工具包][rai-toolkit]中的负责任使用指南。
• 透明度与问责制
  • 本模型卡片总结了模型架构、能力、限制和评估流程的细节。
  • 负责任开发的开放模型通过向AI生态系统的开发者和研究人员普及VLM技术，提供了共享创新的机会。

已识别风险及缓解措施：

• 偏见延续：鼓励持续监控（使用评估指标、人工审查）及在模型训练、微调和其他用例中探索去偏技术。
• 有害内容生成：内容安全机制和指南至关重要，鼓励开发者根据具体产品政策和应用场景谨慎实施适当的内容安全防护措施。
• 恶意用途滥用：技术限制及开发者和终端用户教育有助于缓解VLM的恶意应用。提供了教育资源及用户标记滥用的报告机制。[Gemma禁止使用政策][prohibited-use]中概述了Gemma模型的禁止用途。
• 隐私侵犯：模型训练数据已过滤去除某些个人信息和其他敏感数据，鼓励开发者采用隐私保护技术遵守隐私法规。

优势

发布时，这一模型家族提供了高性能的开放视觉语言模型实现，相比同类尺寸模型，其设计从头贯彻了负责任AI开发理念。
根据本文档描述的基准评估指标，这些模型在性能上优于其他同类尺寸的开放模型替代方案。

[各链接锚点保持原英文不变]