Gemma 3 es una familia de modelos de lenguaje de gran tamaño de pesos abiertos modelos de lenguaje de gran tamaño desarrollados por Google DeepMind. Publicados el 12 de marzo de 2025, los modelos se basan en la misma investigación y tecnología que los modelos Gemini 2.0, pero están diseñados para que desarrolladores e investigadores los ejecuten localmente o en su propia infraestructura. Gemma 3 incluye cuatro tamaños principales - 1B, 4B, 12B y 27B de parámetros - cada uno disponible en variantes base y ajustadas por instrucciones, con un total de 11 variantes que aparecen en instantáneas públicas de benchmarks a finales de 2025.
Los modelos destacan por sus capacidades multimodales, aceptando entradas tanto de texto como de imagen, y por admitir una ventana de contexto de hasta 128.000 tokens. Gemma 3 también incluye soporte para más de 140 idiomas, una expansión significativa respecto a las versiones anteriores de Gemma. La familia se posiciona como una alternativa competitiva de pesos abiertos a los modelos de OpenAI y Anthropic, particularmente en el rango de menos de 30B de parámetros.
Arquitectura y Entrenamiento
Los modelos Gemma 3 utilizan una arquitectura transformer con atención de múltiples cabezas, incorporando atención de consulta agrupada para mayor eficiencia en los tamaños más grandes. Los modelos se entrenan con una mezcla de documentos web, código y datos matemáticos, con un enfoque en el filtrado de alta calidad. El modelo de 27B utiliza una función de activación SwiGLU y incrustaciones posicionales rotativas. El entrenamiento utilizó Adam con un programa de tasa de aprendizaje coseno y recorte de gradientes.
A diferencia de algunos modelos propietarios, los pesos de Gemma 3 se publican bajo una licencia permisiva, lo que permite uso comercial y ajuste fino. Las variantes ajustadas por instrucciones se alinearon mediante RLHF (aprendizaje por refuerzo con retroalimentación humana) y ajuste fino supervisado, con filtrado de seguridad adicional.
Rendimiento y Benchmarks
En clasificaciones públicas, Gemma 3 27B logra puntuaciones competitivas en benchmarks estándar como MMLU (comprensión masiva de lenguaje multitarea), GSM8K (matemáticas de nivel escolar) y HumanEval (generación de código). A mediados de 2025, el modelo de 27B ajustado por instrucciones supera a muchos modelos propietarios más grandes en tareas de razonamiento específicas, aunque queda por detrás de los modelos frontera más grandes en razonamiento complejo de múltiples pasos. Los tamaños de 4B y 12B están optimizados para su despliegue en dispositivos de borde y hardware de consumo, siendo el modelo de 1B adecuado para aplicaciones móviles.
Gemma 3 también demuestra un fuerte rendimiento en tareas multilingües, con especial fortaleza en idiomas de bajos recursos. Los modelos muestran una mejora en el manejo de contextos largos en comparación con sus predecesores, manteniendo coherencia en entradas de 128K tokens.
Despliegue y Ecosistema
Gemma 3 está disponible a través de múltiples canales. Se puede acceder mediante Google Cloud Vertex AI y Amazon Web Services SageMaker, así como a través de Groq y SambaNova para inferencia de alta velocidad. Los modelos son compatibles con frameworks estándar de aprendizaje automático como Hugging Face Transformers y vLLM.
Para el despliegue local, Gemma 3 admite técnicas de cuantización como poda y cuantización de 4 bits, lo que permite ejecutar el modelo de 27B en una única GPU de gama alta. Las variantes más pequeñas pueden ejecutarse en portátiles y dispositivos de clase Raspberry Pi. Google proporciona un Gemma Cookbook con ejemplos para ajuste fino y despliegue.
Seguridad y Uso Responsable
Google DeepMind implementó un enfoque de seguridad en capas para Gemma 3. Los modelos ajustados por instrucciones incluyen filtros de seguridad entrenados para rechazar prompts dañinos, y la compañía publicó una ficha del modelo que detalla la evaluación en benchmarks de seguridad. Sin embargo, como modelo de pesos abiertos, Gemma 3 puede ajustarse finamente para eliminar las salvaguardas de seguridad, una compensación reconocida por los desarrolladores. La licencia incluye una prohibición de utilizar los modelos para ciertas aplicaciones de alto riesgo, como el desarrollo de armas o la vigilancia.
Recepción e Impacto
Gemma 3 recibió una recepción positiva en la comunidad de IA por su equilibrio entre rendimiento y accesibilidad. Evaluaciones independientes señalaron que el modelo de 27B a menudo iguala o supera la calidad de modelos cerrados más grandes en tareas específicas, siendo significativamente más barato de ejecutar. La publicación contribuyó a la tendencia creciente de modelos de pesos abiertos que desafían a los sistemas propietarios, junto con esfuerzos de otras organizaciones como Alibaba y AI21 Labs.
A finales de 2025, Gemma 3 sigue siendo una opción popular para aplicaciones de investigación y producción que requieren IA local o que preserve la privacidad. Su sucesor, Gemma 3n, fue anunciado a finales de 2025, pero Gemma 3 continúa siendo ampliamente utilizado en entornos académicos e industriales.