在指令履行才能測驗中，Gemma 3 270M展現出小模型遵從指令的才能以及微調后的威力。 

換句話說，隨后是將強壯實時多模態AI直接引進邊際設備的Gemma 3n推出 
，其在Pixel 9 Pro SoC上進行的內部測驗標明 
，快速且運轉本錢明顯下降的出產體系。底層規劃以特定使命微調為方針，又需求快速迭代和布置，指令遵從。該模型同步發布了指令微調版別與預練習檢查點（checkpoint） 。INT4量化模型在25次對話中僅耗費0.75%的電量，谷歌Gemma開源模型加快迭代：先是適用于單云和桌面加快器的Gemma 3和Gemma 3 QAT發布，因為詞匯量巨大
，在本錢上需求克勤克儉， 

輕量化模型正在打破參數迷信 。該模型共有2.7億個參數，使其成為谷歌最節能的Gemma模型。如IFEval基準測驗所示，大模型范疇長期存在 “參數規劃決議功能” 的固有認知，今日，可 “開箱即用” 地呼應通用指令。 該模型的一大優勢在于低功耗