当地时间3月12日，谷歌宣布推出Gemma 3，首次引入多模态能力，支持视觉-语言输入和文本输出。该模型可处理长达128k token的上下文窗口，理解140多种语言。Gemma 3提供四种参数规模（1B、4B、12B、27B），既包含可针对特定场景微调的预训练模型，也包含经过通用指令优化的版本。谷歌方面表示，该模型是可在单个GPU或TPU上运行的性能最强大模型。