Bisakah saya menjalankan Gemma 3 27B secara lokal?

Ya, bobot terbuka dan tersedia di Hugging Face di google/gemma-3-27b-it. Dengan 27 miliar parameter Anda akan membutuhkan setidaknya 24 GB VRAM untuk inferensi nyaman; versi GGUF terkuantisasi mengurangi kebutuhan tersebut.

Berapa biaya Gemma 3 27B melalui API?

Harga $0,08 per juta token input dan $0,45 per juta token output, yang menempatkannya di tingkat anggaran untuk model dengan kemampuan ini. Jendela konteksnya 131.072 token.

Apa perbedaan Gemma 3 27B dengan Gemma 2?

Gemma 3 menambahkan input multimodal visi-bahasa, jendela konteks jauh lebih panjang, dan dukungan multibahasa yang lebih luas dibanding Gemma 2 yang hanya teks.

Gemma 3 27B

6168°

#llm #google #visi #multibahasa #lokal #penalaran

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Google | konteks 131.072 token | $0,08/M input, $0,45/M output. Gemma 3 memperkenalkan multimodalitas, mendukung input visi-bahasa dan output teks. Menangani jendela konteks hingga 128k token, memahami lebih dari 140 bahasa, dan menawarkan kemampuan matematika, penalaran, dan chat yang ditingkatkan, termasuk output terstruktur dan pemanggilan fungsi. Gemma 3 27B adalah model open source terbaru Google, penerus Gemma 2.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI lokal mana yang harus digunakan, dan model top mana yang dijalankan masing-masing

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Gemma 3 27B adalah model multimodal dengan bobot terbuka dari Google, mampu membaca gambar serta teks dalam lebih dari 140 bahasa. Dengan 27 miliar parameter, model ini berada di kisaran ukuran praktis untuk penggunaan lokal, sementara harga API cukup rendah untuk dijalankan dalam skala besar. Cocok untuk pengembang dan peneliti yang menginginkan model mumpuni dan dapat diterapkan tanpa terkunci sumber tertutup.

Dikenal untuk

Input visi-bahasa: lampirkan gambar dan ajukan pertanyaan tentangnya.
Jendela konteks 128k token untuk dokumen dan percakapan panjang.
Cakupan multibahasa luas lebih dari 140 bahasa.
Output terstruktur dan pemanggilan fungsi untuk pipeline agen.
Bobot terbuka: unduh dan jalankan sendiri.

Waspadai

27 miliar parameter membutuhkan VRAM serius secara lokal; siapkan minimal 24 GB atau lebih.
Bobot terbuka tapi periksa lisensi Gemma Google sebelum penggunaan komersial.
Kemampuan visi hanya untuk input; model membaca gambar tapi menghasilkan teks, bukan gambar.

Terbaik untuk

Penglihatan

Multibahasa

Jalankan secara lokal

Penalaran

Anggaran

Prompt untuk dicoba

Analisis gambar terlampir

Saya melampirkan tangkapan layar tabel data. Daftar setiap header kolom yang Anda lihat, jelaskan apa yang tampaknya diukur tabel ini, dan tandai sel mana saja yang tampak sebagai outlier atau kesalahan. Sebutkan posisi baris dan kolom secara spesifik.

Ringkasan dokumen multibahasa

Teks berikut adalah klausul tanggung jawab produk dari kontrak berbahasa Spanyol. Ringkas kewajiban dan batasan utama yang dikenakan pada pemasok, lalu identifikasi istilah yang tidak biasa menurut hukum umum Inggris. Teks: [tempel klausul di sini]

Rencana pemanggilan fungsi

Saya memiliki tiga alat: search_web(query), read_file(path), dan send_email(to, subject, body). Seorang pengguna bertanya: 'Cari ringkasan terbaru EU AI Act secara online, simpan poin-poin kunci ke notes.txt, lalu kirimkan lewat email ke legal@example.com.' Tulis urutan pemanggilan alat dengan argumen untuk menyelesaikan tugas ini.

Bandingkan dengan

Gemini 2.5 Flash Lite
Model hanya API
konteks 1,048,576 token · $0.10/M input, $0.40/M output
Gemini 3.1 Flash Lite
Model hanya API
konteks 1,048,576 token · $0.25/M input, $1.50/M output
Gemini 3.5 Flash Lite
Model hanya API
konteks 1,048,576 token · $0.30/M input, $2.50/M output
Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image)
Model hanya API
konteks 65,536 token · $0.25/M input, $1.50/M output

Model teks lain dari google

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Gemma 3 27B secara lokal?: Ya, bobot terbuka dan tersedia di Hugging Face di google/gemma-3-27b-it. Dengan 27 miliar parameter Anda akan membutuhkan setidaknya 24 GB VRAM untuk inferensi nyaman; versi GGUF terkuantisasi mengurangi kebutuhan tersebut.
Berapa biaya Gemma 3 27B melalui API?: Harga $0,08 per juta token input dan $0,45 per juta token output, yang menempatkannya di tingkat anggaran untuk model dengan kemampuan ini. Jendela konteksnya 131.072 token.
Apa perbedaan Gemma 3 27B dengan Gemma 2?: Gemma 3 menambahkan input multimodal visi-bahasa, jendela konteks jauh lebih panjang, dan dukungan multibahasa yang lebih luas dibanding Gemma 2 yang hanya teks.

Putusan Kapten
Kombinasi langka: bobot terbuka, input visi, konteks panjang, dan harga yang tidak memberatkan penggunaan.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Model AI untuk Pembuatan Gambar, Video & Teks

Gemma 3 27B adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm google visi multibahasa lokal penalaran anggaran

Jelajahi berdasarkan Keluarga Model