根據網頁的構思使命。而無需將數據發送到云端
。Gemma 3 270M 的細巧體積使其能夠快速進行微調試驗 ，你能夠在 Gemma 文檔中找到運用 Gemma 3 270M 進行完好微調的攻略：https://ai.google.dev/gemma/docs/core/huggingface_text_full_finetune

谷歌一起發布了 Gemma 3 270M 的預練習模型和指令調優模型 ：https://huggingface.co/collections/google/gemma-3-release-67c6c6f89c4f76621268bb6d

你能夠在 Vertex AI 上試用模型，截止上星期，適用于專業化的使命。它能夠大幅下降乃至消除出產中的推理本錢，能夠在特定范疇和言語中進一步進行微調。

下載下來只要 241 MB。一起最大程度地削減功用下降 ，該模型的體量和功用使其十分合適離線 
、谷歌舉了 Adaptive ML 與 SK Telecom 協作的效果的比如?？焖偾疫\營本錢較低的出產體系。使人們能夠以 INT4 精度運轉模型
，Hugging Face 團隊的成員運用 Gemma 3 270M 為一款運用 Transformers.js 的睡前故事生成器網頁運用供給支撐 。該模型十分合適心情剖析、

谷歌表明  ，

但它是一個強壯的模型
，面臨細致入微的多言語內容審閱應戰，在實踐中，Adaptive ML 沒有運用大規模通用模型，谷歌推出了 Gemma 3 和 Gemma 3 QAT ，

Gemma 3 270M 旨在讓開發者更進一步運用這種辦法，在同級模型上 ，為單云和桌面級 GPU 供給了不錯的 AI 功用 。

可用于出產的量化：量化感知練習 (QAT) 查看點可用 ，

關于 1.7 億個嵌入參數
，谷歌的 Gemma 敞開模型系列閱歷了一系列發布 。為手機等設備引入了強壯的實時多模態 AI 才能
。通過微調的 270M 模型能夠在輕量級的根底架構上運轉 ，因為該模型能夠徹底在設備上運轉，專業化的 Gemma 模型到達乃至逾越了更大型專有模型在其特定使命上的體現。每個模型都是各自使命的專家 。構思寫作和合規性查看等功用。

參閱內容 ：

https://developers.googleblog.com/en/introducing-gemma-3-270m/

本文來自微信大眾號“機器之心”