Tôi có thể chạy Gemma 3 4B cục bộ không?

Có — trọng số mở và có trên Hugging Face tại google/gemma-3-4b-it, bạn có thể chạy với Ollama, LM Studio hoặc runtime tương thích mà không gửi dữ liệu cho Google.

Chi phí Gemma 3 4B là bao nhiêu và giới hạn ngữ cảnh thế nào?

Qua API là 0,05 USD cho mỗi triệu token đầu vào và 0,10 USD cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 131.072 token; chạy cục bộ miễn phí ngoài phần cứng của bạn.

Gemma 3 4B khác gì so với các mô hình Gemma 3 lớn hơn?

Chia sẻ kiến trúc đa phương thức và đa ngôn ngữ của dòng Gemma 3 nhưng có ít tham số hơn, nên nhanh và rẻ hơn khi chạy, đổi lại hạn chế hơn về suy luận phức tạp.

Gemma 3 4B

4463°

#llm #google #thị giác #đa ngôn ngữ #cục bộ #ngân sách

Chạy mô hình này

Ưu đãi / Quảng cáo

OpenRouter Terminal / API

Trả theo token

Trò chuyện với mô hình này trên trình duyệt hoặc gọi nó từ mã của bạn với một khóa API.

Google | ngữ cảnh 131.072 token | $0.05/M đầu vào, $0.10/M đầu ra. Gemma 3 giới thiệu đa phương thức, hỗ trợ đầu vào ngôn ngữ-thị giác và đầu ra văn bản. Nó xử lý cửa sổ ngữ cảnh lên đến 128k token, hiểu hơn 140 ngôn ngữ và cải thiện khả năng toán học, suy luận và trò chuyện, bao gồm đầu ra có cấu trúc và gọi hàm.

Hướng dẫn cho mô hình này

Ollama vs LM Studio (2026): nên dùng ứng dụng AI cục bộ nào, và mỗi ứng dụng chạy những mô hình hàng đầu nào

LLM cục bộ tốt nhất theo từng trường hợp sử dụng (Tháng 10 năm 2026): mô hình mở phù hợp cho mọi công việc

Mình thực sự cần bao nhiêu VRAM cho AI cục bộ?

Tệp GGUF là gì? Giải thích về các mô hình lượng tử hóa (Q4, Q8, fp8, NF4)

Tất cả hướng dẫn

Ghi chú của thuyền trưởng

Viết bởi Captain, biên tập viên chính

Ghi chú từ 2026-10-13

Gemma 3 4B là mô hình nhỏ trọng số mở của Google, vượt trội so với kích thước nhờ thêm đầu vào thị giác-ngôn ngữ, cửa sổ ngữ cảnh 128k token và hỗ trợ hơn 140 ngôn ngữ. Với giá 0,05 USD cho mỗi triệu token đầu vào qua API, hoặc miễn phí khi chạy cục bộ, đây là một trong những mô hình nhỏ có khả năng bạn thực sự sở hữu. Phù hợp cho nhà phát triển và người thích khám phá muốn khả năng đa phương thức và đa ngôn ngữ mà không cần bộ nhớ hay chi phí lớn của mô hình lớn.

Nổi tiếng với

Đầu vào thị giác-ngôn ngữ: đính kèm hình ảnh và hỏi về nó
Cửa sổ ngữ cảnh 128k token trong mô hình 4 tỷ tham số
Hiểu hơn 140 ngôn ngữ ngay khi dùng
Gọi hàm và đầu ra có cấu trúc cho pipeline sử dụng công cụ
Trọng số mở: tải về và chạy hoàn toàn offline

Cẩn thận với

Là mô hình 4 tỷ tham số; suy luận phức tạp nhiều bước sẽ bị giới hạn nhanh hơn các mô hình lớn hơn.
Giá API được công bố nhưng Google chưa chi tiết điều khoản cấp phép thương mại cho trọng số.
Khả năng thị giác không có ý nghĩa nếu không có runtime hỗ trợ đầu vào đa phương thức — kiểm tra stack cục bộ của bạn trước.

Phù hợp nhất cho

Lời nhắc để thử

Đọc biên lai hoặc nhãn

Đính kèm ảnh biên lai, nhãn thực phẩm hoặc ghi chú viết tay. Trích xuất từng mục hoặc trường thành đối tượng JSON với các khóa tên, số lượng và giá trị. Nếu trường không đọc được, đặt giá trị là null.

Trả lời email đa ngôn ngữ

Tôi nhận được email bằng tiếng Pháp và cần trả lời chuyên nghiệp bằng cả tiếng Pháp và tiếng Anh. Email nói: 'Bonjour, nous avons bien reçu votre commande mais il manque une pièce jointe. Pourriez-vous nous la faire parvenir dès que possible ? Merci.' Viết thư trả lời xác nhận vấn đề và hứa gửi tệp đính kèm trong vòng một ngày làm việc.

Sơ đồ hàm từ mô tả

Tôi có công cụ thời tiết nhận tên thành phố và ngày tùy chọn (ISO 8601). Viết sơ đồ gọi hàm JSON cho nó theo định dạng công cụ OpenAI, sau đó viết đoạn Python ngắn gọi mô hình với sơ đồ đó và in các đối số đã phân tích.

So sánh với

Gemini 2.5 Flash Lite
Mô hình chỉ API
ngữ cảnh 1,048,576 token · Đầu vào $0.10/M, đầu ra $0.40/M
Gemini 3.1 Flash Lite
Mô hình chỉ API
ngữ cảnh 1,048,576 token · Đầu vào $0.25/M, đầu ra $1.50/M
Gemini 3.5 Flash Lite
Mô hình chỉ API
ngữ cảnh 1,048,576 token · Đầu vào $0.30/M, đầu ra $2.50/M
Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image)
Mô hình chỉ API
ngữ cảnh 65,536 token · Đầu vào $0.25/M, đầu ra $1.50/M

Thêm mô hình văn bản từ google

Câu hỏi thường gặp

Tôi có thể chạy Gemma 3 4B cục bộ không?: Có — trọng số mở và có trên Hugging Face tại google/gemma-3-4b-it, bạn có thể chạy với Ollama, LM Studio hoặc runtime tương thích mà không gửi dữ liệu cho Google.
Chi phí Gemma 3 4B là bao nhiêu và giới hạn ngữ cảnh thế nào?: Qua API là 0,05 USD cho mỗi triệu token đầu vào và 0,10 USD cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 131.072 token; chạy cục bộ miễn phí ngoài phần cứng của bạn.
Gemma 3 4B khác gì so với các mô hình Gemma 3 lớn hơn?: Chia sẻ kiến trúc đa phương thức và đa ngôn ngữ của dòng Gemma 3 nhưng có ít tham số hơn, nên nhanh và rẻ hơn khi chạy, đổi lại hạn chế hơn về suy luận phức tạp.

Phán quyết của thuyền trưởng
Mô hình nhỏ hiếm hoi đáng giá: đầu vào thị giác, ngữ cảnh 128k và hơn 140 ngôn ngữ với giá khó có thể tranh cãi.

Thẻ mô hình trên Hugging Face

Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.

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

Điểm số này được tính như thế nào

Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.

Thuật ngữ: các từ dùng ở đây

Điểm nhiệt: Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
Sàn điểm: 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
Tương đương lượt tải: Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
Thang log: Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
Lượt thích: Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
Tỷ lệ áp dụng: Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
Đã đo và ước tính: Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
Seeder: Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
AI Horde: Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
Trang tạo ảnh: Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
Token OpenRouter: Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Mô hình đầy đủ (checkpoint): Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
LoRA và embedding: Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
Gia đình và trọng số: Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
Tuổi: Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
Tăng gia đình: Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
Điểm thay thế: Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
Mới! (giai đoạn thử nghiệm): Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
Xu hướng: Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
Mô hình điển hình: Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.

Mô hình tương tự

Mô hình AI để tạo hình ảnh, video & văn bản

Gemma 3 4B là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác và xem điểm độ hot để biết xu hướng.

Thêm mô hình Text / LLM Thêm Văn bản / LLM Text / LLM llm google thị giác đa ngôn ngữ cục bộ ngân sách nhanh

Duyệt theo họ mô hình