Gemma 3 模型卡片

模型页面：Gemma

资源与技术文档：

• Gemma 3 技术报告
• 负责任生成式 AI 工具包
• Kaggle 上的 Gemma
• Vertex Model Garden 中的 Gemma

使用条款：条款

作者：Google DeepMind

模型信息

输入输出的概要描述和简要定义。

描述

Gemma 是 Google 推出的一系列轻量级、最先进的开放模型，其构建基于与创建 Gemini 模型相同的研究和技术。Gemma 3 模型是多模态的，能够处理文本和图像输入并生成文本输出，同时提供预训练变体和指令调优变体的开放权重。Gemma 3 拥有 128K 的大上下文窗口，支持超过 140 种语言的多语言能力，并且相比之前的版本提供了更多尺寸选择。Gemma 3 模型非常适合各种文本生成和图像理解任务，包括问答、摘要和推理。其相对较小的尺寸使其能够部署在资源有限的环境中，如笔记本电脑、台式机或您自己的云基础设施，从而普及最先进 AI 模型的访问，助力为所有人促进创新。

输入与输出

• 输入：

  • 文本字符串，例如问题、提示词或待总结的文档
  • 图像，对于 4B、12B 和 27B 尺寸的模型，需归一化至 896 x 896 分辨率并编码为每个 256 个令牌
  • 4B、12B 和 27B 尺寸的模型总输入上下文为 128K 令牌，1B 和 270M 尺寸的模型为 32K 令牌

• 输出：

  • 响应输入生成的文本，例如问题的答案、图像内容的分析或文档的摘要
  • 每个请求的总输出上下文，4B、12B 和 27B 尺寸的模型最多为 128K 令牌，1B 和 270M 尺寸的模型最多为 32K 令牌，需减去请求的输入令牌数

引用

@article{gemma_2025,
    title={Gemma 3},
    url={https://arxiv.org/abs/2503.19786},
    publisher={Google DeepMind},
    author={Gemma Team},
    year={2025}
}

模型数据

用于模型训练的数据以及数据的处理方式。

训练数据集

这些模型的训练数据涵盖了多种来源的文本数据。27B模型的训练使用了14万亿个token，12B模型使用了12万亿个token，4B模型使用了4万亿个token，1B模型使用了2万亿个token，而270M模型则使用了6万亿个token。训练数据的知识截止日期为2024年8月。以下是主要组成部分：

• 网络文档：多样化的网络文本集合确保模型能够接触到广泛的语言风格、主题和词汇。训练数据集包含超过140种语言的内容。
• 代码：让模型接触代码有助于其学习编程语言的语法和模式，从而提升代码生成能力和理解代码相关问题的能力。
• 数学：基于数学文本的训练有助于模型学习逻辑推理、符号表示，并解答数学问题。
• 图像：大量的图像数据使模型能够执行图像分析和视觉数据提取任务。

这些多样化数据源的组合对于训练一个能够处理各种不同任务和数据格式的强大多模态模型至关重要。

数据预处理

以下是应用于训练数据的关键数据清洗和过滤方法：

• CSAM过滤：在数据准备过程的多个阶段应用了严格的CSAM（儿童性虐待材料）过滤，以确保排除有害和非法内容。
• 敏感数据过滤：为了使Gemma预训练模型安全可靠，我们使用自动化技术从训练集中过滤掉某些个人信息和其他敏感数据。
• 其他方法：根据我们的政策对内容质量和安全性进行过滤。

实现信息

模型内部的详细说明。

硬件

Gemma 的训练使用了 Tensor Processing Unit (TPU) 硬件（TPUv4p、TPUv5p 和 TPUv5e）。训练视觉语言模型（VLMs）需要强大的计算能力。TPU 专为机器学习中常见的矩阵运算而设计，在该领域具有多项优势：

• 性能：TPU 专门用于处理 VLM 训练中的海量计算。与 CPU 相比，它们能显著加快训练速度。
• 内存：TPU 通常配备大量高带宽内存，能够在训练过程中处理大型模型和批量数据，有助于提升模型质量。
• 可扩展性：TPU Pods（大型 TPU 集群）为应对日益复杂的大型基础模型提供了可扩展的解决方案。您可以将训练任务分配到多个 TPU 设备上，以实现更快、更高效的处理。
• 成本效益：在许多情况下，与基于 CPU 的基础设施相比，TPU 可为大型模型训练提供更具成本效益的解决方案，尤其是考虑到更快的训练速度所节省的时间和资源。
• 这些优势与 Google 致力于可持续运营的承诺 相符。

软件

训练使用了 JAX 和 ML Pathways。

JAX 使研究人员能够利用最新一代硬件（包括 TPU），更快速、高效地训练大型模型。ML Pathways 是 Google 最新推出的成果，旨在构建能够跨多项任务进行泛化的人工智能系统。这特别适用于基础模型，包括此类大型语言模型。

正如 Gemini 系列模型论文 中所述，JAX 和 ML Pathways 协同使用：“Jax 和 Pathways 的‘单一控制器’编程模型允许单个 Python 进程协调整个训练运行，极大地简化了开发工作流程。”

评估

模型评估指标与结果。

基准测试结果

这些模型通过大量不同的数据集和指标进行评估，以涵盖文本生成的各个方面。标记为IT的评估结果对应指令微调模型。标记为PT的评估结果对应预训练模型。

Gemma 3 270M

Gemma 3 1B、4B、12B 及 27B

推理与事实性

STEM 与代码

多语言能力

多模态能力

伦理与安全

伦理与安全评估方法及结果。

评估方法

我们的评估方法包括结构化评估和针对相关内容政策的内部红队测试。红队测试由多个不同团队执行，每个团队都有不同的目标和人工评估指标。这些模型针对多个与伦理和安全相关的类别进行了评估，包括：

• 儿童安全：评估涵盖儿童安全政策（包括儿童性虐待和性剥削）的文本到文本及图像到文本提示词。
• 内容安全：评估涵盖安全政策（包括骚扰、暴力与血腥内容以及仇恨言论）的文本到文本及图像到文本提示词。
• 代表性伤害：评估涵盖安全政策（包括偏见、刻板印象以及有害关联或不准确信息）的文本到文本及图像到文本提示词。

除了开发阶段的评估外，我们还进行“保障评估”，这是我们用于责任治理决策的“独立”内部评估。此类评估由模型开发团队以外的人员单独进行，为发布决策提供信息。评估的主要发现会反馈给模型团队，但提示词集将被保留，以防止过拟合，并确保评估结果能够有效支持决策制定。保障评估结果会报告给我们的责任与安全委员会，作为发布审查的一部分。

评估结果

在所有安全测试领域，我们观察到与先前的Gemma模型相比，儿童安全、内容安全和代表性伤害等类别的表现均有显著提升。所有测试均在未启用安全过滤器的情况下进行，以评估模型的能力和行为。无论是文本到文本还是图像到文本任务，在所有模型尺寸上，该模型产生的政策违规内容极少，并且在无根据推断方面的表现较先前的Gemma模型有显著改善。我们评估的一个局限性是仅包含了英语提示词。

使用方法与局限性

这些模型存在一些用户应注意的局限性。

预期用途

开放式视觉语言模型（VLMs）在各行业和领域拥有广泛的应用前景。以下潜在用途列表并非详尽无遗，其目的是提供模型创建者在模型训练和开发过程中所考虑的可能用例的背景信息。

• 内容创作与沟通
  • 文本生成：这些模型可用于生成创意文本格式，如诗歌、剧本、代码、营销文案和电子邮件草稿。
  • 聊天机器人与对话式AI：为客户服务、虚拟助手或交互式应用程序提供对话界面支持。
  • 文本摘要：为文本语料库、研究论文或报告生成简洁的摘要。
  • 图像数据提取：这些模型可用于提取、解释和总结视觉数据，以用于文本通信。
• 研究与教育
  • 自然语言处理（NLP）和VLM研究：这些模型可作为研究人员实验VLM和NLP技术、开发算法并推动该领域发展的基础。
  • 语言学习工具：支持交互式语言学习体验，辅助语法纠正或提供写作练习。
  • 知识探索：通过生成摘要或回答特定主题的问题，协助研究人员探索大量文本。

局限性

• 训练数据
  • 训练数据的质量和多样性显著影响模型的能力。训练数据中的偏差或缺口可能导致模型响应存在局限性。
  • 训练数据集的范围决定了模型能够有效处理的主题领域。
• 上下文与任务复杂性
  • 模型在处理可通过清晰提示和指令构建的任务时表现更佳。开放式或高度复杂的任务可能具有挑战性。
  • 模型的性能会受到所提供上下文数量的影响（通常，上下文越长，输出效果越好，但存在一定限度）。
• 语言歧义与细微差别
  • 自然语言本质上具有复杂性。模型可能难以理解微妙的语气、 sarcasm或比喻性语言。
• 事实准确性
  • 模型基于从训练数据集中学到的信息生成响应，但它们并非知识库。它们可能会生成不正确或过时的事实陈述。
• 常识
  • 模型依赖语言中的统计模式。在某些情况下，它们可能缺乏应用常识推理的能力。

伦理考量与风险

视觉语言模型（VLMs）的发展引发了若干伦理问题。在开发开放模型的过程中，我们审慎考虑了以下方面：

• 偏见与公平性
  • 基于大规模真实世界文本和图像数据训练的VLMs可能会反映出训练材料中蕴含的社会文化偏见。本模型经过仔细审查，输入数据预处理过程已在本卡片中说明，后续评估结果也已在本卡片中报告。
• 虚假信息与滥用
  • VLMs可能被滥用于生成虚假、误导性或有害的文本。
  • 本模型提供了负责任使用的指南，详见负责任生成式AI工具包。
• 透明度与问责制
  • 本模型卡片总结了模型架构、能力、局限性和评估流程的相关细节。
  • 一个负责任开发的开放模型通过向AI生态系统中的开发者和研究人员开放VLM技术，为分享创新成果提供了机会。

已识别的风险及缓解措施：

• 偏见的持续存在：建议在模型训练、微调及其他使用场景中进行持续监控（使用评估指标、人工审核）并探索去偏技术。
• 有害内容的生成：内容安全机制和指南至关重要。鼓励开发者保持谨慎，并根据其具体产品政策和应用场景实施适当的内容安全防护措施。
• 用于恶意目的的滥用：技术限制以及对开发者和终端用户的教育有助于减少VLMs的恶意应用。我们提供了教育资源和供用户举报滥用行为的报告机制。Gemma模型的禁止用途在Gemma禁止使用政策中列出。
• 隐私侵犯：模型训练数据经过过滤，已移除特定个人信息和其他敏感数据。鼓励开发者遵守隐私法规并采用隐私保护技术。

优势

发布之时，与同等规模模型相比，该系列模型提供了高性能的开放式视觉语言模型实现，专为负责任的AI开发从头设计。

通过本文档所述的基准评估指标，这些模型已展现出相较于其他同等规模开放式模型替代方案的卓越性能。

Ascend NPU 适配验证

本模型已在 华为昇腾 Ascend NPU 上完成适配验证，基于 vLLM-Ascend 推理框架，零代码修改，开箱即用。

验证环境

验证结果

精度对比说明

2025-05-17 实测数据：在 Ascend 910 (bfloat16) 与 CPU (float32/float16) 之间完成精密精度对比。

正确的精度度量

⚠️ 重要：Token 匹配率不是精度指标。 即使同一模型同一 GPU 使用不同随机种子生成 "写一首诗"，也会产生不同文本。正确指标是 条件 logits 余弦相似度——它衡量给定完全相同输入前缀时，NPU 与 CPU 预测的完整概率分布的一致程度。

对比方法

使用 precision_compare.py 脚本，采用 Conditioned Logits 对比策略：

1. 在 CPU (float32，高精度基线) 上自回归生成参考 token 序列
2. 在 NPU (bfloat16) 上以完全相同的输入上下文逐位置计算 logits
3. 逐 token 对比完整 logits 分布的余弦相似度（消除因前一 token 选择分歧导致的不可比性）

逐 prompt 结果

条件 logits 余弦相似度（核心精度指标）

所有位置余弦相似度均 > 0.999，最低 0.997（仅 2 个位置 < 0.999），充分证明 NPU bfloat16 的概率分布与 CPU float32 几乎完全一致。

自主生成序列匹配率（参考性指标，非精度指标）

• 事实性问答（"法国首都"）：NPU bf16 与 CPU fp32 100% 完全一致—高置信度 token 不受 dtype 影响
• 创意性文本（"写首诗"）：不同硬件在首 token 选择上产生分歧（"A simple" vs "Simple and Direct"），导致后续路径全部分叉—这是预期的自回归生成行为，不是精度问题

误差根源分析

结论

Ascend NPU (bfloat16) 推理精度满足验收标准：

• ✅ 条件 logits 余弦相似度 0.999795 > 0.999（阈值）
• ✅ Per-token KL 散度 2.6e-3 < 0.01
• ✅ 事实性问答输出 100% 一致
• ⚠️ 创意性文本输出因自回归路径分叉而不同，但每个位置的 token 概率分布几乎完全相同

在 GPU bfloat16 vs NPU bfloat16 的同 dtype 生产环境下，余弦相似度预期会更高（因为消除 dtype 精度差异）。

复现方法

# 一键精度对比（需同时有 NPU 和 CPU）
python precision_compare.py

# 输出示例:
#   平均余弦相似度:  0.999795  ✅ > 0.999
#   结论: 精度通过 ✅

推理输出示例

以下为 Ascend 910 (bfloat16, greedy decoding) 实测输出，验证模型推理功能正常、输出语义连贯：

⚠️ 注意: Gemma 3 270M 参数量仅 270M，部分事实性问答（如法国首都）存在模型自身知识局限。这些局限在 CPU/GPU 上完全相同，并非 Ascend NPU 精度或适配问题。更大模型（如 Gemma 3 7B/27B）在这些任务上表现更准确。

启动命令

vllm serve /path/to/google/gemma-3-270m-it \
  --dtype bfloat16 \
  --max-model-len 32768 \
  --enforce-eager  # 可选，默认使用 ACL Graph PIECEWISE

适配要点

• 模型架构 Gemma3ForCausalLM (gemma3_text) 完全兼容昇腾NPU
• MQA架构（4头，1个KV头）支持良好
• 仅使用vLLM标准算子（Linear、Attention、RMSNorm、RoPE、GeluAndMul）
• 滑动窗口与全局注意力混合层配置正常

适配产出

详见适配报告: adapt-output/Gemma3-270m-IT.md