脚本プランナー▸ 
AIアプリ 
AIニュース GoogleがGemma 3を発表：DeepSeek V3、o3-miniを上回り世界第2位のオープンソースモデルに
小编 ·
GoogleがGemma 3を発表：DeepSeek V3、o3-miniを上回り世界第2位のオープンソースモデルに
Gemma 3とは？
Gemma 3はGoogleが発表した最新のオープンソースモデルであり、DeepSeek V3およびo3miniを上回り、世界第2位の強力なオープンソースモデルとなっています。Gemma 3は強力なマルチモーダル機能を備え、テキスト、画像、そして短い動画を理解することができます。さらに、140以上の言語での事前学習をサポートし、35以上の言語を直接サポートします。128Kトークンのコンテキストウィンドウを備えており、大量の情報を処理でき、関数呼び出しやAIエージェント開発をサポートし、複雑なタスクの自動化を実現します。Gemma 3は、異なるハードウェアと性能ニーズに対応するため、4つの異なるサイズ（1B、4B、12B、27B）のモデルを提供しており、スマートフォンやコンピュータなど、さまざまなデバイス上で効率的に動作し、モバイルデバイスからワークステーションまで幅広い展開をサポートします。
Gemma 3の機能と特徴
マルチモーダル機能：テキスト、画像、短い動画の混合入力をサポートし、複雑なマルチモーダルタスクを処理できます。
強力な言語サポート：140以上の言語での事前学習をサポートし、35以上の言語を直接サポートします。
大きなコンテキストウィンドウ：128kトークンのコンテキストウィンドウをサポートし、高解像度画像30枚や1時間の動画など、大量の情報を処理できます。
高性能：単一のGPUまたはTPU上で、Llama、DeepSeek、OpenAIのo3-miniなど、他の同類モデルよりも優れた性能を発揮します。
最適化と量子化：公式の量子化バージョンが提供されており、モデルサイズと計算要件を削減しつつ、高精度を維持します。
安全性：ShieldGemma 2画像安全性分類器を備えており、危険なコンテンツを検出してフラグ付けできます。
Gemma 3の4種類のモデルサイズの特徴
1B：軽量で、スマートフォンやノートPCなど、リソースが限られたデバイスでの実行に適しています。
4B：マルチモーダルタスクに適しており、より強力な画像およびテキスト処理能力を備えています。
12B：性能がさらに強く、複雑な画像および動画分析に適しています。
27B：最大バージョンで、最も強力な性能を持ち、高性能コンピューティングシナリオに適しています。
Gemma 3の応用シナリオ
画像認識と分析：顔認識、物体検出、画像質問応答、画像比較をサポートします。
動画分析：短い動画コンテンツを処理でき、動画コンテンツ分析や生成に適しています。
スマートカスタマーサービス：マルチモーダル入力と連携し、よりスマートな顧客サービスを提供します。
産業品質検査：画像分析機能を利用して製品品質の問題を検出します。
コード生成とプログラミング支援：コード生成と自動コード修正をサポートします。
Gemma 3の使用方法
クイック実験：Google AI Studioを通じて、ブラウザで直接Gemma 3を使用できます。設定は不要です。
ダウンロードと微調整：Hugging Face、Ollama、またはKaggleからモデルをダウンロードし、Hugging Face Transformersまたはその他のツールを使用して微調整を行います。
展開オプション：Vertex AI、Cloud Run、Google GenAI API、ローカル環境、NVIDIA GPUなど、さまざまな展開方法をサポートします。
開発ツールのサポート：Hugging Face Transformers、Ollama、JAX、Keras、PyTorchなど、さまざまな開発ツールと互換性があります。
Gemma 3の技術
基盤アーキテクチャ：Geminiと同じ技術アーキテクチャに基づいています。
トレーニングと最適化：知識蒸留、強化学習（人間のフィードバックと機械フィードバックを含む）、モデルマージなどの技術を採用して性能を向上させています。
視覚処理：動的画像スライス技術とフレームサンプリングとオプティカルフロー分析の組み合わせを使用し、高解像度で正方形以外の画像をサポートします。
ハードウェア最適化：NVIDIA GPUおよびGoogle Cloud TPU向けに深く最適化され、効率的な動作を保証します。
Gemma 3はGemma 2からどのような改善がされましたか？
マルチモーダル機能：テキスト、画像、短い動画の混合入力サポートを新たに追加し、画像質問応答や動画分析などの複雑なタスクを処理できます。
性能向上：単一GPUでの性能がさらに強化され、推論速度が47%向上しました。
言語サポート：140以上の言語での事前学習をサポートし、35言語を直接サポートし、言語処理能力が強化されました。
コンテキストウィンドウの拡張：128kトークンをサポートし、より大規模な情報を処理できます。
視覚処理能力：高解像度画像と動画解析をサポートし、1時間の動画のキーフレーム抽出時間が20秒に短縮されました。
セキュリティ強化：ShieldGemma 2画像安全性分類器を備えており、危険なコンテンツを検出できます。
ハードウェア最適化：GPUおよびTPU向けに深く最適化され、さまざまな展開オプションをサポートします。
トレーニングと微調整：強化学習などの技術を採用し、より柔軟な微調整ツールを提供します。
