2025年4月5日，Meta正式发布了Llama系列模型的第四代，包括Llama 4 Scout、Llama 4 Maverick和Llama 4 Behemoth三个版本。[^1] 这次发布标志着Meta在AI领域的重大进展，特别是在原生多模态和模型架构方面实现了突破性创新。Llama 4首次引入了Mixture of Experts（MoE）混合专家模型架构，上下文窗口扩大到1000万tokens，在多个基准测试中与GPT-4o、Claude 3、Gemini 1.5等顶级模型正面竞争。[^2]
2025年3月，Google DeepMind正式发布了Gemma 3.0系列开源AI模型，这是继Gemini 2.0之后Google在开源领域的又一重大突破。1 Gemma 3.0不仅延续了Google在AI技术方面的领先优势，更以其强大的多模态处理能力和开源策略，为全球开发者社区带来了前所未有的机遇。
Gemma 3.0采用了全新的多模态统一架构，能够同时处理文本、图像和短视频内容。2 该架构引入了动态图像切片技术和帧采样与光流分析结合方案，支持高分辨率和非方形图像处理，能在20秒内完成1小时视频的关键帧提取。
Gemma 3.0提供四种不同尺寸的模型：
Gemma 3.0被誉为"全球最强的单加速器模型"，在单GPU或TPU环境下表现显著优于其他同类模型，包括Llama、DeepSeek和OpenAI的o3-mini。3 针对Nvidia GPU和Google Cloud TPU进行了深度优化，确保在不同硬件平台上的高效运行。
Gemma 3.0支持超过140种语言的预训练，直接支持超过35种语言，展现了强大的多语言理解和生成能力。这使得模型能够服务全球不同地区的用户需求。
在处理短视频内容时，Gemma 3.0的推理速度提升了47%，大幅改善了用户体验。模型在数学、编码和指令跟随方面的能力通过知识蒸馏、强化学习等技术得到显著提升。
Gemma 3.0配备了ShieldGemma 2图像安全分类器，能检测和标记危险内容、色情内容和暴力内容，为模型的安全部署提供了重要保障。4
Gemma 3.0支持多种主流开发工具和框架：
开发者可以通过多种方式部署Gemma 3.0：
Gemma 3.0能够理解多种语言的自然语言指令，生成自然流畅的回复，为用户提供智能的交互体验。其多模态能力使得助手能够同时处理文本、图像和视频输入。
Gemma 3.0采用Apache 2.0开源许可证，为开发者提供了最大的使用自由度。这一策略有助于构建更加开放和协作的AI生态系统。
Gemma系列模型已被消费电子、游戏和其他领域的90,000多家企业采用，展现了强大的市场接受度和实用价值。5
Gemma 3.0通过模型压缩、量化技术和硬件优化，显著降低了部署门槛。1B参数版本甚至可以在消费级硬件上流畅运行。
通过集成ShieldGemma 2安全分类器和多层安全机制，Gemma 3.0在保持开放性的同时确保了使用安全。
Gemma 3.0的发布进一步推动了开源AI生态的发展，为中小企业和个人开发者提供了接触前沿AI技术的机会，有助于AI技术的普及和创新。
作为Google在多模态AI领域的重要布局，Gemma 3.0有望成为行业标准，推动多模态AI技术的标准化和规范化发展。
随着模型性能的不断提升和应用场景的扩展，Gemma系列有望在教育、医疗、金融等更多垂直领域发挥重要作用，成为AI技术落地的重要载体。
Gemma 3.0的发布标志着开源AI模型进入了新的发展阶段，其强大的多模态处理能力和开放的生态策略，必将为AI技术的普及和创新注入新的活力。
作者简介：weuqiang，AI技术研究者，专注于大模型技术发展与应用研究。
参考文献：
Google Developers Blog. "Introducing Gemma 3: Google's Latest Open Multimodal AI Model." March 2025. ↩
AI工具集. "Gemma 3 - 谷歌最新推出的开源多模态 AI 模型." https://ai-bot.cn/gemma-3/ ↩
CSDN技术博客. "2025年TOP 9大模型！" https://blog.csdn.net/m0_63171455/article/details/146368362 ↩
Hugging Face. "Gemma 3 Model Collection." https://huggingface.co/collections/google/gemma-3-release ↩
知乎专栏. "国内外知名大模型及应用——模型/应用维度（2025/08/08）." https://zhuanlan.zhihu.com/p/670574382 ↩