Gemma 3 27B IT
Red Neuronal
Gemma 3 27B IT es un modelo multimodal de Google con 128k tokens de contexto para razonamiento, matemáticas y análisis de imágenes.
Longitud máxima de respuesta
(en tokens)
Tamaño del contexto
(en tokens)
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Cómo funciona Gemma 3 27B IT?
Gemma 3 27B IT es un modelo de la familia Gemma de Google: acepta texto e imágenes como entrada y genera texto. Su ventana de contexto de hasta 128 000 tokens permite trabajar con documentos largos y código extenso, admite más de 140 idiomas y mejora las matemáticas, la lógica y el diálogo en esta generación; a diferencia de la versión anterior de Gemma, esta trabaja con imágenes. A través de BotHub, el modelo está disponible sin VPN ni tarjetas extranjeras, con pago en rublos mediante tarjetas rusas según el uso: paga por los tokens consumidos, que no caducan. En la misma ventana hay más de 250 modelos, por lo que puede comparar las respuestas de Gemma 3 con otras y cambiar a cualquiera mediante una API compatible con OpenAI sin reescribir la integración. Los chats se cifran con AES-GCM, y los equipos tienen acceso a contratos, facturas, EDI y un panel de administración con límites. El modelo es útil para analizar capturas de pantalla de interfaces o diagramas y obtener descripciones de texto, explicar y refactorizar código, verificar cálculos matemáticos paso a paso, leer informes largos en un solo contexto o crear un asistente multilingüe mediante API.Preguntas frecuentes sobre Gemma 3 27B IT
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de Google de la familia Gemma 3 para trabajar con texto. Es adecuado para escribir y editar materiales, analizar documentos, explicar y corregir código, extraer datos y responder preguntas. Acepta no solo texto, sino también imágenes y documentos como entrada.
El límite de una respuesta es de 117 964 tokens con una ventana de contexto de 128 000 tokens, que el prompt y la respuesta comparten. Esto es suficiente para obtener un artículo largo, una instrucción detallada o un bloque de código grande completo en una sola solicitud, sin necesidad de dividirlo en partes.
No se indica un modo de razonamiento separado en nuestros datos para este modelo. Pero puede obtener un efecto similar mediante el prompt: pídale que analice la tarea paso a paso, verifique las conclusiones intermedias y solo entonces formule el resultado. El margen de contexto es suficiente para cadenas largas.
Sí, el modelo admite la llamada a funciones y la salida estructurada en JSON. Esto es útil para agentes, análisis de documentos en campos predefinidos y conexión de servicios externos. En BotHub, todo funciona a través de una única API compatible con OpenAI, por lo que el modelo puede reemplazarse sin reescribir la integración.
Se pueden cargar imágenes y documentos: el modelo analizará una captura de pantalla, un diagrama, una tabla o una fotografía de texto y responderá según su contenido. No acepta audio ni video como entrada; para esas tareas, BotHub cuenta con modelos separados de transcripción y análisis de video.
La familia Gemma 3 fue entrenada con datos multilingües, por lo que el modelo funciona bien con consultas en ruso: resúmenes, reescritura, preguntas sobre documentos cargados. En cuanto a terminología altamente especializada, vale la pena verificar la calidad en su propia tarea; en BotHub, esto está disponible sin VPN ni tarjetas extranjeras.