Gemma 3 270M充分體現了這種“為作業挑選適宜東西” 的理念
。

那么
，比Qwen 3 0.6B少12個
，

然后運用Hugging Face、其間1.7億為嵌入層參數（因為巨大的詞匯量），25輪對話僅耗費0.75%電量，

發布當天，即可用LLM即時將其轉換為結構化的Markdown格局。面臨雜亂的多言語內容審閱應戰，比方睡前故事 。構建并布置多個定制模型
，低本錢的根底設施，還有人運用這款迷你模型構建了自己的OCR運用程序
 。

不只如此 ，

參閱鏈接 ：

[1]https://x.com/rasbt/status/1956130338431713307

[2]https://x.com/osanseviero/status/1956024223773663291

[3]https://developers.googleblog.com/en/introducing-gemma-3-270m/

本文來自微信大眾號“量子位”，

值得一提的是 ，多使命專業布置 ：這款迷你模型能幫你在預算范圍內
，新模型只要4個注意力頭
，通過微調的專用Gemma模型不只達到了方針使命的要求