Google公布其有史以來最輕量化的Gemma 3開源模型 Gemma 3 270M，參數量僅2.7億組，但在多項任務測試中展現超越更大規模模型的能力，甚至在IFEval基準測試表現高於Qwen2.5 0.5B Instruct，並且與Llama 3.2 1B相當。

Gemma 3 270M的設計，主打特定任務微調與高效能離線運行，適合手機、邊緣設備等資源受限環境佈署。Google更展示其在Pixel 9 Pro應用的能耗表現：經INT4量化後，進行25次對話僅損耗0.75%電量，成為目前最節能的Gemma模型。

輕量結構、指令遵循與能效並重

Gemma 3 270M採用大詞彙量設計，其256k token的詞彙表讓模型能處理專業領域或稀有語言詞彙，嵌入層參數達1.7億組，而Transformer模組約1億，成為特定領域微調奠定基礎。雖然不是針對長對話場景設計，但其「開箱即用」的指令遵循能力，已經足夠應付常見指令回應需求。

同時，Gemma 3 270M同步釋出指令微調版本與預訓練檢查點，並且提供量化感知訓練 (QAT)檢查點，可在INT4精度下運行，同時整體效能損失極低，大幅降低佈署門檻與運行成本。

多場景應用與隱私優勢

由於體積小、功耗低，Gemma 3 270M適合在無需長期連網，並且對資料隱私有嚴格要求的場景應用。Google官方案例中，就以該模型搭配Transformers.js打造一個網頁端的睡前故事生成器，用戶僅需簡單選項設定，即可快速生成內容。

對於需要高效完成定義明確任務，同時需控制基礎設施成本的開發者與企業而言，Gemma 3 270M提供比大型模型更靈活、可快速迭代更新的選擇。

輕量化成AI 發展新方向

Gemma系列模型在今年快速迭代，從適用雲端與桌面加速器的Gemma 3與量化感知訓練版本，到將多模態AI引入邊緣設備的Gemma 3n，再到此次鎖定超輕量端運行的Gemma 3 270M，顯示Google已經完成從雲端到裝置的模型產品佈局。

另一方，Gemma 3 270M也挑戰「參數數量等於性能」的想法，證明，小模型同樣可以具備穩定的指令遵循能力與任務適應性，未來在特定垂直場景中，輕量AI方案將成為運算資源有限、對成本敏感的企業與開發者的首選。

《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》