谷歌于 2025 年 3 月 12 日发布 Gemma 3 系列开源大语言模型，包含 1B、4B、12B 和 27B 四种参数规格。该系列首次实现多模态处理能力，支持文本、图像及短视频混合输入，128K 上下文窗口可同时解析约 30 张高分辨率图像或 1 小时视频内容，支持英语交互与函数调用功能，适用于 AI 代理开发及自动化任务场景。
Gemma 3 基于与 Gemini 相同的底层架构。移动端和边缘计算部署测试显示，27B 版本在单台 A100 服务器即可运行。硅谷开发者论坛实测显示，该模型在移动设备处理短视频内容时，推理速度较前代提升 47%。
开源文档显示，Gemma 3 的视觉处理模块采用动态图像切片技术，将高分辨率图像分割为 512×512 像素单元进行处理。视频解析采用帧采样与光流分析结合方案，1 小时视频内容可在 20 秒内完成关键帧提取。开发者已将该模型应用于智能客服、工业质检等场景。
谷歌云平台同步推出 Gemma 3 定制服务，支持在 Vertex AI 平台进行模型微调。目前 GitHub 开源库已提供 PyTorch、JAX 两种实现版本。