Hello，大家好啊！好久没更新啦，今天来吹一波Gemma3系列。一个月前，Google 的 Deepmind 团队开源了 Gemma 家族的第三代模型 ——Gemma3 系列。从原本的文本模型扩展到了多模态模型，支持了图像转文本。不过开源的时候，它对硬件的支持不太给力。就拿 24G 显存的硬件来说，本地跑 27bQ4 量化模型，速度慢得让人着急，更别提图像转文本功能了，基本没法正常用。
但前几周，Gemma3系列在huggingface上又更新了几个新版本，分为IT、PT和QAT（包含IT和PT）三种技术路线的模型分支，在 ollama 和 llama.cpp框架下我们运行的是IT和PT模型，这个版本的GGUF格式模型对于ollama和llama.cpp的支持非常流畅，用起来那叫一个丝滑，体验感直线上升！
Tips：
1. Gemma3 IT（Instruction Tuned Model） 指令调优（Instruction Tuning，IT）是一种在预训练模型的基础上进一步训练的技术，旨在使模型更好地理解和遵循人类的指令 。
2. Gemma3 IT（Pre-Trained Model） 预训练语言模型（Pre-Trained Language Model，PT）是现代自然语言处理（NLP）技术的核心。
3. Gemma3 QAT（Quantization Aware Training） 量化感知训练（Quantization Aware Training，QAT）是一种在训练过程中模拟低精度操作的技术 。优势，保持与半精度（bfloat16）版本相似质量的同时，显著降低了内存使用量（通常减少约3倍） 。
接下来，我们在实际应用场景中测试一下Gemma3这款模型！
今天，给大家推荐一款我用 windsurf + cursor 开发的开源免费应用。它是一个基于 Ollama 框架运行的客户端（可以理解为套壳应用，不过这次套的是 Ollama 的壳，哈哈），使用起来非常方便，只需一键启动。对于热爱 AI 但不熟悉技术的小伙伴来说，这款应用直接打破技术障碍，无需输入复杂的命令，也不用再费心下载安装各种环境依赖包，还要担心网络问题。同时，进行私密对话无需担心您的问题被大模型识别为“无可奉告”，数据安全有保证。
开始我们的实际测试吧！这次我们使用的是Gemma3:27bQ4版本
1. 图像理解能力示例：1.1 复原官方示例
结论：正确
1.2 复用官方示例
结论：图里的蔬菜都被识别到了，另外，大蒜是被虚化了，竟然也可以被识别到。
1.3 视觉问答推理
结论：图里的蔬菜都被识别到了，另外，大蒜是被虚化了，竟然也可以被识别到。
1.4 视觉问答推理
结论：图内是一张印度街道的截图，Gemma3对于人类行为规范的标准判定还是非常准确的。
1.5 OCR识别
结论：错误率50%，红线框出来的都是有问题的，应该是对中文的识别不太友好。
1.6 图像转代码
2.1 文档理解
结论：总结能力尚可，但是有些内容还是会出错，90%准确率。
2.2 上下文理解
结论：指出特定的问题进行上下文对话，同样也是有错误的地方，差不多95%准确率。
3. 工具调用能力示例：3.1 网络搜索工具
结论：目前只集成了网页搜索工具，时间和日历类小工具还没来得及集成，所以Gemm3没法获取最新时间，只有在对话中提示。可惜看不到会员专栏，嘿嘿！
写在最后：
本次测试选用了Gemma3的27b Q4量化模型，在24G显存的硬件环境下表现优异。不论是常规的问答互动，图片理解能力，还是工具调用场景，模型的token输出速度都极为迅速且稳定，整体体验十分流畅。
另外，做一波小广告，kun-lab客户端最新发布，开箱即用。
✨ 核心亮点
– ? 桌面应用支持：提供桌面应用，支持 Windows/macOS/Linux 平台（目前只支持Windows），开箱即用。
– ? 多模型灵活切换：轻松管理和选用 Ollama 支持的各种模型，满足您不同的对话需求。
– ? 极速流式对话：体验如丝般顺畅的实时对话，AI 响应即时呈现。
– ? 智能文档解析：支持 PDF、DOC、PPT、TXT 等多种文档格式，快速理解文档内容，解答您的疑问。
– ?️ 多模态图片理解：支持多模态模型，不仅能识别图像，更能理解图像背后的场景和意图，并支持基于图片的多轮对话。
– ? 联网搜索增强：集成网络搜索能力，让 AI 拥有更广阔的知识面，可根据您的需求开启深度搜索应对更复杂的问题。
– ? 代码渲染：代码块自动渲染，支持多种编程语言，代码展示更清晰易懂。
– ?️ 模型库拓展：支持huggingface和ollama开源模型拉取， GGUF、safetensors 模型格式，模型管理更自由。
– ? 提示词模板：内置丰富的提示词模板，并支持自定义和分类管理，轻松激发 AI 的创造力。
– ? 本地数据存储：所有数据本地存储，注重用户隐私，安全可靠。
– ? 多语言支持：支持中文、英文等多种语言界面，满足不同用户的使用需求。
– ? 多用户并发支持：支持多用户独立登录和同时在线，每位用户拥有独立的对话空间和个性化设置，满足家庭、小团队或组织内多人共享使用的场景，提高资源利用效率。
– ✍️ 快速笔记功能：支持 Markdown 语法，提供实时预览，支持一键导出，让知识整理更高效。
