Bolehkah saya menjalankan Gemma 3 4B secara tempatan?

Ya — beratnya terbuka dan tersedia di Hugging Face di bawah google/gemma-3-4b-it, jadi anda boleh menjalankannya dengan Ollama, LM Studio, atau runtime serasi tanpa menghantar data ke Google.

Berapa kos Gemma 3 4B dan berapa had konteksnya?

Melalui API ia $0.05 setiap sejuta token input dan $0.10 setiap sejuta token output, dengan tetingkap konteks 131,072 token; menjalankannya secara tempatan adalah percuma selain kos perkakasan sendiri.

Bagaimana Gemma 3 4B berbeza daripada model Gemma 3 yang lebih besar?

Ia berkongsi seni bina multimodal dan berbilang bahasa yang sama dengan generasi penjanaan yang sama tetapi mempunyai parameter lebih sedikit, jadi ia lebih pantas dan murah dijalankan sambil menukar sedikit ruang untuk tugas penalaran kompleks.

Gemma 3 4B

4463°

#llm #google #penglihatan #banyak bahasa #tempatan #bajet

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

Google | konteks 131,072 token | $0.05/M input, $0.10/M output. Gemma 3 memperkenalkan multimodaliti, menyokong input visi-bahasa dan output teks. Ia mengendalikan tetingkap konteks sehingga 128k token, memahami lebih 140 bahasa, dan menawarkan peningkatan dalam matematik, penalaran, dan kebolehan sembang, termasuk output berstruktur dan panggilan fungsi.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI tempatan mana yang patut digunakan, dan model teratas yang dijalankan oleh setiap satu

LLM tempatan terbaik mengikut kegunaan (Oktober 2026): model terbuka yang sesuai untuk setiap kerja

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Gemma 3 4B adalah model kecil Google dengan berat terbuka yang berprestasi melebihi kelas saiznya dengan menambah input penglihatan-bahasa, tetingkap konteks 128k token, dan sokongan untuk lebih 140 bahasa. Pada harga $0.05 setiap sejuta token input melalui API, atau percuma apabila dijalankan secara tempatan, ia adalah salah satu model kecil yang lebih berkemampuan yang anda benar-benar boleh miliki. Sesuai untuk pembangun dan penggemar yang mahukan kebolehan multimodal dan berbilang bahasa tanpa memori atau kos model besar.

Dikenali untuk

Input penglihatan-bahasa: lampirkan imej dan tanya soalan mengenainya
Tetingkap konteks 128k dalam model 4B parameter
Lebih 140 bahasa difahami secara langsung
Panggilan fungsi dan output berstruktur untuk saluran penggunaan alat
Berat terbuka: muat turun dan jalankan sepenuhnya luar talian

Berhati-hati dengan

Ia model 4B; penalaran berbilang langkah yang kompleks akan mencapai had lebih cepat daripada model lebih besar.
Harga API diterbitkan tetapi Google belum menjelaskan terma lesen tepat untuk penggunaan komersial berat di sini.
Kebolehan penglihatan tidak bermakna tanpa runtime yang menyokong input multimodal — periksa tumpukan tempatan anda dahulu.

Terbaik untuk

Penglihatan

Banyak bahasa

Jalankan secara tempatan

Bajet

Pantas

Arahan untuk cuba

Baca resit atau label

Lampirkan foto resit, label makanan, atau nota tulisan tangan. Ekstrak setiap item baris atau medan sebagai objek JSON dengan kunci untuk nama, kuantiti, dan nilai. Jika medan tidak boleh dibaca, tetapkan nilainya kepada null.

Balasan e-mel berbilang bahasa

Saya menerima e-mel dalam bahasa Perancis dan perlu membalas secara profesional dalam bahasa Perancis dan Inggeris. E-mel berkata: 'Bonjour, nous avons bien reçu votre commande mais il manque une pièce jointe. Pourriez-vous nous la faire parvenir dès que possible ? Merci.' Tulis balasan yang mengakui isu dan berjanji menghantar lampiran dalam satu hari bekerja.

Skema fungsi dari penerangan

Saya ada alat cuaca yang menerima nama bandar dan tarikh pilihan (ISO 8601). Tulis skema panggilan fungsi JSON untuknya dalam format alat OpenAI, kemudian tulis snippet Python pendek yang memanggil model dengan skema itu dan mencetak argumen yang diparsekannya.

Bandingkan dengan

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

Lebih banyak model teks dari google

Soalan yang sering ditanya

Bolehkah saya menjalankan Gemma 3 4B secara tempatan?: Ya — beratnya terbuka dan tersedia di Hugging Face di bawah google/gemma-3-4b-it, jadi anda boleh menjalankannya dengan Ollama, LM Studio, atau runtime serasi tanpa menghantar data ke Google.
Berapa kos Gemma 3 4B dan berapa had konteksnya?: Melalui API ia $0.05 setiap sejuta token input dan $0.10 setiap sejuta token output, dengan tetingkap konteks 131,072 token; menjalankannya secara tempatan adalah percuma selain kos perkakasan sendiri.
Bagaimana Gemma 3 4B berbeza daripada model Gemma 3 yang lebih besar?: Ia berkongsi seni bina multimodal dan berbilang bahasa yang sama dengan generasi penjanaan yang sama tetapi mempunyai parameter lebih sedikit, jadi ia lebih pantas dan murah dijalankan sambil menukar sedikit ruang untuk tugas penalaran kompleks.

Keputusan Kapten
Model kecil yang jarang dan berbaloi: input penglihatan, konteks 128k, dan lebih 140 bahasa pada harga yang sukar ditandingi.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh 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 dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Model AI untuk penjanaan imej, video dan teks

Gemma 3 4B ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm google penglihatan banyak bahasa tempatan bajet pantas

Layari mengikut keluarga model