Puis-je exécuter Gemma 3 4B localement ?

Oui — les poids sont ouverts et disponibles sur Hugging Face sous google/gemma-3-4b-it, vous pouvez donc l’exécuter avec Ollama, LM Studio ou tout runtime compatible sans envoyer de données à Google.

Quel est le coût de Gemma 3 4B et quelle est la limite de contexte ?

Via API, c’est 0,05 $ par million de tokens d’entrée et 0,10 $ par million de tokens de sortie, avec une fenêtre de contexte de 131 072 tokens ; l’exécution locale est gratuite hormis le coût matériel.

En quoi Gemma 3 4B diffère-t-il des plus grands modèles Gemma 3 ?

Il partage la même architecture multimodale et multilingue de génération mais a moins de paramètres, donc il est plus rapide et moins cher à exécuter tout en sacrifiant un peu de capacité pour les tâches de raisonnement complexes.

Gemma 3 4B

4463°

#llm #google #vision #multilingue #local #budget

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 | 0,05 $/M en entrée, 0,10 $/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.

Guides pour ce modèle

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

Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche

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

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 4B est le petit modèle à poids ouverts de Google qui surpasse sa catégorie en ajoutant une entrée vision-langage, une fenêtre de contexte de 128k tokens et la prise en charge de plus de 140 langues. À 0,05 $ par million de tokens d’entrée via API, ou gratuit en local, c’est l’un des petits modèles les plus performants que vous pouvez réellement posséder. Il convient aux développeurs et bidouilleurs qui veulent des capacités multimodales et multilingues sans la mémoire ni le coût d’un grand modèle.

Connu pour

Entrée vision-langage : attachez une image et posez des questions à son sujet
Fenêtre de contexte de 128k tokens dans un modèle de 4 milliards de paramètres
Plus de 140 langues comprises nativement
Appels de fonctions et sorties structurées pour les pipelines d’outils
Poids ouverts : téléchargez et exécutez entièrement hors ligne

Attention à

C’est un modèle 4B ; le raisonnement complexe en plusieurs étapes atteindra ses limites plus vite que ses grands frères.
La tarification API est publiée mais Google n’a pas détaillé les conditions exactes de licence commerciale des poids ici.
La capacité vision ne sert à rien sans un runtime qui supporte l’entrée multimodale — vérifiez votre stack local d’abord.

Idéal pour

Vision

Multilingue

Fonctionne localement

Budget

Rapide

Prompts à essayer

Lire un reçu ou une étiquette

Joignez une photo d’un reçu, d’une étiquette alimentaire ou d’une note manuscrite. Extrayez chaque ligne ou champ sous forme d’objet JSON avec les clés nom, quantité et valeur. Si un champ est illisible, mettez sa valeur à null.

Réponse email multilingue

J’ai reçu cet email en français et dois répondre professionnellement en français et en anglais. L’email dit : « Bonjour, nous avons bien reçu votre commande mais il manque une pièce jointe. Pourriez-vous nous la faire parvenir dès que possible ? Merci. » Rédige une réponse qui reconnaît le problème et promet d’envoyer la pièce jointe sous un jour ouvrable.

Schéma de fonction à partir d’une description

J’ai un outil météo qui accepte un nom de ville et une date optionnelle (ISO 8601). Écris un schéma d’appel de fonction JSON pour cet outil au format OpenAI, puis un court extrait Python qui appelle le modèle avec ce schéma et affiche les arguments analysés retournés.

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 4B localement ?: Oui — les poids sont ouverts et disponibles sur Hugging Face sous google/gemma-3-4b-it, vous pouvez donc l’exécuter avec Ollama, LM Studio ou tout runtime compatible sans envoyer de données à Google.
Quel est le coût de Gemma 3 4B et quelle est la limite de contexte ?: Via API, c’est 0,05 $ par million de tokens d’entrée et 0,10 $ par million de tokens de sortie, avec une fenêtre de contexte de 131 072 tokens ; l’exécution locale est gratuite hormis le coût matériel.
En quoi Gemma 3 4B diffère-t-il des plus grands modèles Gemma 3 ?: Il partage la même architecture multimodale et multilingue de génération mais a moins de paramètres, donc il est plus rapide et moins cher à exécuter tout en sacrifiant un peu de capacité pour les tâches de raisonnement complexes.

Verdict du capitaine
Un petit modèle rare qui justifie son usage : entrée vision, contexte 128k, plus de 140 langues à un prix difficile à contester.

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

Modèles d'IA pour générer image, vidéo et texte

Gemma 3 4B 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 budget rapide

Parcourir par famille de modèles