Puis-je exécuter Gemma 3 27B localement ?

Oui, les poids sont ouverts et disponibles sur Hugging Face à google/gemma-3-27b-it. Avec 27 milliards de paramètres, vous voudrez au moins 24 Go de VRAM pour une inférence confortable ; les versions quantifiées GGUF réduisent cette exigence.

Quel est le coût de Gemma 3 27B via API ?

Le tarif est de 0,08 $ par million de tokens en entrée et 0,45 $ par million en sortie, ce qui le place clairement dans la catégorie économique pour un modèle de cette capacité. La fenêtre de contexte est de 131 072 tokens.

En quoi Gemma 3 27B diffère-t-il de Gemma 2 ?

Gemma 3 ajoute une entrée multimodale vision-langage, une fenêtre de contexte beaucoup plus longue, et un support multilingue plus large comparé à Gemma 2, qui était uniquement textuel.

Gemma 3 27B

6168°

#llm #google #vision #multilingue #local #raisonnement

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Google | contexte de 131 072 tokens | 0,08 $/M en entrée, 0,45 $/M en sortie. Gemma 3 introduit la multimodalité, supportant les entrées vision-langage et les sorties textuelles. Il gère des fenêtres de contexte jusqu'à 128k tokens, comprend plus de 140 langues, et offre des capacités améliorées en mathématiques, raisonnement et chat, incluant des sorties structurées et l'appel de fonctions. Gemma 3 27B est le dernier modèle open source de Google, successeur de Gemma 2.

Guides pour ce modèle

Ollama vs LM Studio (2026) : quelle application d’IA locale choisir, et quels modèles top chacun fait tourner

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Gemma 3 27B est le modèle multimodal à poids ouverts de Google, capable de lire des images ainsi que du texte dans plus de 140 langues. Avec 27 milliards de paramètres, il se situe dans une gamme de taille pratique pour un usage local, tandis que le prix API est assez bas pour un déploiement à grande échelle. Il convient aux développeurs et chercheurs qui veulent un modèle performant et déployable sans verrouillage propriétaire.

Connu pour

Entrée vision-langage : joindre une image et poser des questions à son sujet.
Fenêtre de contexte de 128k tokens pour documents et conversations longues.
Large couverture multilingue dans plus de 140 langues.
Sorties structurées et appel de fonctions pour pipelines agentiques.
Poids ouverts : téléchargez et exécutez-le vous-même.

Attention à

27 milliards de paramètres exigent une VRAM sérieuse en local ; prévoyez 24 Go ou plus.
Les poids sont ouverts mais vérifiez la licence Gemma de Google avant tout déploiement commercial.
La capacité vision est en entrée uniquement ; il lit les images mais produit du texte, pas des images.

Idéal pour

Vision

Multilingue

Fonctionne localement

Raisonnement

Budget

Prompts à essayer

Analyser une image jointe

Je joins une capture d’écran d’un tableau de données. Listez tous les en-têtes de colonnes visibles, décrivez ce que le tableau semble mesurer, et signalez toute cellule qui paraît être un outlier ou une erreur. Soyez précis sur les positions lignes et colonnes.

Résumé de document multilingue

Le texte suivant est une clause de responsabilité produit d’un contrat en espagnol. Résumez les principales obligations et limitations qu’elle impose au fournisseur, puis identifiez toute clause inhabituelle selon le droit commun anglais. Texte : [collez la clause ici]

Plan d’appel de fonctions

J’ai trois outils : search_web(query), read_file(path), et send_email(to, subject, body). Un utilisateur demande : « Trouve le dernier résumé du règlement européen sur l’IA en ligne, sauvegarde les points clés dans notes.txt, puis envoie-les par e-mail à legal@example.com. » Écrivez la séquence ordonnée des appels d’outils avec arguments pour accomplir cette tâche.

Comparer avec

Gemini 2.5 Flash Lite
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.10/M, sortie $0.40/M
Gemini 3.1 Flash Lite
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.25/M, sortie $1.50/M
Gemini 3.5 Flash Lite
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.30/M, sortie $2.50/M
Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image)
Modèle uniquement API
Contexte de 65,536 tokens · entrée $0.25/M, sortie $1.50/M

Plus de modèles de texte de google

Questions fréquentes

Puis-je exécuter Gemma 3 27B localement ?: Oui, les poids sont ouverts et disponibles sur Hugging Face à google/gemma-3-27b-it. Avec 27 milliards de paramètres, vous voudrez au moins 24 Go de VRAM pour une inférence confortable ; les versions quantifiées GGUF réduisent cette exigence.
Quel est le coût de Gemma 3 27B via API ?: Le tarif est de 0,08 $ par million de tokens en entrée et 0,45 $ par million en sortie, ce qui le place clairement dans la catégorie économique pour un modèle de cette capacité. La fenêtre de contexte est de 131 072 tokens.
En quoi Gemma 3 27B diffère-t-il de Gemma 2 ?: Gemma 3 ajoute une entrée multimodale vision-langage, une fenêtre de contexte beaucoup plus longue, et un support multilingue plus large comparé à Gemma 2, qui était uniquement textuel.

Verdict du capitaine
Une combinaison rare : poids ouverts, entrée vision, long contexte et un prix qui ne vous pénalise pas pour son utilisation.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Modèles similaires

Llama 3.2 3B Instruct

Meta Llama 3.1 70B Instruct Turbo

TEXT / LLM

Modèles d'IA pour générer image, vidéo et texte

Gemma 3 27B est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm google vision multilingue local raisonnement budget

Parcourir par famille de modèles