Google lança Gemma 3, modelo de IA aberto que entende imagens e fala português
A nova família de modelos da Google consegue processar texto e imagem ao mesmo tempo, funciona em 100 idiomas e roda em computadores comuns — tudo com código livre para qualquer um modificar
A Google lançou o Gemma 3, uma família de modelos de IA de código aberto (disponíveis para qualquer pessoa baixar e modificar gratuitamente) que pela primeira vez combina capacidade multimodal (processar texto e imagem juntos), suporte a 100 idiomas incluindo português, e contexto longo de até um milhão de tokens (cerca de 750 mil palavras). Inclui versões leves que rodam em celulares e computadores simples.
A Google lançou o Gemma 3, uma nova família de modelos de inteligência artificial de código aberto (disponíveis para qualquer pessoa baixar, modificar e usar sem pagar licença) que traz três novidades importantes: consegue trabalhar com texto e imagem ao mesmo tempo, funciona em 100 idiomas (incluindo português) e aceita conversas de até um milhão de tokens (a unidade usada para medir quanto texto um modelo consegue processar de uma vez — aproximadamente 750 mil palavras). O anúncio foi feito no blog da Hugging Face (uma plataforma onde desenvolvedores compartilham e baixam modelos de IA já treinados), que distribuirá os modelos.
A família inclui três versões: o Gemma 3-1B (um modelo pequeno com 1 bilhão de parâmetros, os valores ajustáveis que definem como a IA responde), o Gemma 3-3B (versão intermediária com 3 bilhões de parâmetros) e o Gemma 3-9B-Instruct-V2 (uma atualização da versão anterior de 9 bilhões, otimizada para seguir instruções). As versões menores conseguem rodar em dispositivos simples como o Jetson Nano (um computador pequeno e barato feito para rodar modelos de IA sem depender da internet) ou até em navegadores de celular, segundo a Google.
O grande destaque é a capacidade multimodal (de processar mais de um tipo de informação ao mesmo tempo): os novos modelos conseguem receber uma imagem e responder perguntas sobre ela, algo que antes só estava disponível nos modelos fechados da Google. Nos testes oficiais, o Gemma 3-9B superou modelos muito maiores como o Llama 3.3 70B (da Meta, com 70 bilhões de parâmetros) em tarefas de raciocínio e compreensão de texto, embora use menos de 15% dos recursos computacionais.
A Google também atualizou o código dos modelos anteriores (Gemma 2 2B e 9B) para melhorar o desempenho com contextos longos — conversas ou documentos extensos que o modelo precisa "lembrar" enquanto responde. Todos os modelos estão disponíveis para download gratuito na Hugging Face e podem ser usados comercialmente, desde que respeitadas as regras da licença Gemma (que proíbe usar os modelos para criar armas ou violar direitos humanos, por exemplo). Para quem quiser testar sem instalar nada, a Hugging Face oferece demonstrações direto no navegador.
