Google · 1B · كثيف
نموذج Gemma الصغير من جوجل، يعمل على الجهاز. تعرّف على ما إذا كان كرت شاشتك أو جهاز الماك قادرًا على تشغيل Gemma 3 1B محليًا — 1 جيجابايت كحد أدنى، و2 جيجابايت موصى بها.
| Quantization | البتات | الذاكرة | الجودة | الحالة |
|---|---|---|---|---|
| Q2_K | 2 | 0.8GB | منخفضة | — |
| Q3_K_M | 3 | 0.9GB | متوسطة | — |
| Q4_K_M | 4 | 1GB | جيدة | — |
| Q5_K_M | 5 | 1.1GB | جيدة | — |
| Q6_K | 6 | 1.3GB | ممتازة | — |
| Q8_0 | 8 | 1.5GB | ممتازة | — |
| F16 | 16 | 2.5GB | بلا فقد | — |
الأرقام تشمل الأوزان وذاكرة KV عند طول سياق 2K توكن. غيّر طول السياق من لوحة جهازك لترى أثره على الذاكرة والسرعة.
التطبيقات
شغّل Gemma 3 1B داخل أدوات البرمجة التي تعمل بالذكاء الاصطناعي — يشغّل الأمر خادم Ollama على جهازك، يحمّل النموذج، ثم يفتح الأداة موصولة به.
- Claude Code
وكيل البرمجة من Anthropic، يعمل في الطرفية وداخل المحرّر
ollama launch claude --model gemma3:1b - OpenCode
وكيل برمجة مفتوح المصدر يعمل في الطرفية داخل مستودعك
ollama launch opencode --model gemma3:1b - Codex
وكيل البرمجة من OpenAI في سطر الأوامر
ollama launch codex --model gemma3:1b - Droid
وكيل البرمجة من Factory، للمهام الطويلة عبر عدّة ملفات
ollama launch droid --model gemma3:1b - Hermes Agent
وكيل برمجة مفتوح من Nous Research، بذاكرة تمتد عبر الجلسات
ollama launch hermes --model gemma3:1b - OpenClaw
وكيل مفتوح المصدر يشغّل المهام على جهازك بلا خدمة سحابية
ollama launch openclaw --model gemma3:1b
تحتاج Ollama والأداة نفسها مثبَّتين. إن لم تكن الأداة مثبّتة، يرشدك الأمر إلى طريقة تثبيتها. اكتب ollama launch وحده لاختيار الأداة من قائمة.
عن هذا النموذج
الوصف الرسمي كما نشرته الجهة المطوِّرة، بلغته الأصلية.
This model requires Ollama 0.6 or later. Download Ollama
Gemma is a lightweight, family of models from Google built on Gemini technology. The Gemma 3 models are multimodal—processing text and images—and feature a 128K context window with support for over 140 languages. Available in 270M, 1B, 4B, 12B, and 27B parameter sizes, they excel in tasks like question answering, summarization, and reasoning, while their compact design allows deployment on resource-limited devices.
Models
Text
270M parameter model (32k context window)
ollama run gemma3:270m
1B parameter model (32k context window)
ollama run gemma3:1b
Multimodal (Vision)
4B parameter model (128k context window)
ollama run gemma3:4b
12B parameter model (128k context window)
ollama run gemma3:12b
27B parameter model (128k context window)
ollama run gemma3:27b
Quantization aware trained models (QAT)
The quantization aware trained Gemma 3 models preserves similar quality as half precision models (BF16) while maintaining a lower memory footprint (3x less compared to non-quantized models).
1B parameter model
ollama run gemma3:1b-it-qat
4B parameter model
ollama run gemma3:4b-it-qat
12B parameter model
ollama run gemma3:12b-it-qat
27B parameter model
ollama run gemma3:27b-it-qat
Evaluation
Benchmark Results
Gemma 3 270M
| Benchmark | n-shot | Gemma 3 270m instruction tuned |
|---|---|---|
| HellaSwag | 0-shot | 37.7 |
| PIQA | 0-shot | 66.2 |
| ARC-c | 0-shot | 28.2 |
| WinoGrande | 0-shot | 52.3 |
| BIG-Bench Hard | few-shot | 26.7 |
| IF Eval | 0-shot | 51.2 |
These models were evaluated against a large collection of different datasets and metrics to cover different aspects of text generation:
Reasoning, logic and code capabilities
| Benchmark | Metric | Gemma 3 PT 1B | Gemma 3 PT 4B | Gemma 3 PT 12B | Gemma 3 PT 27B |
|---|---|---|---|---|---|
| HellaSwag | 10-shot | 62.3 | 77.2 | 84.2 | 85.6 |
| BoolQ | 0-shot | 63.2 | 72.3 | 78.8 | 82.4 |
| PIQA | 0-shot | 73.8 | 79.6 | 81.8 | 83.3 |
| SocialIQA | 0-shot | 48.9 | 51.9 | 53.4 | 54.9 |
| TriviaQA | 5-shot | 39.8 | 65.8 | 78.2 | 85.5 |
| Natural Questions | 5-shot | 9.48 | 20.0 | 31.4 | 36.1 |
| ARC-c | 25-shot | 38.4 | 56.2 | 68.9 | 70.6 |
| ARC-e | 0-shot | 73.0 | 82.4 | 88.3 | 89.0 |
| WinoGrande | 5-shot | 58.2 | 64.7 | 74.3 | 78.8 |
| BIG-Bench Hard | 28.4 | 50.9 | 72.6 | 77.7 | |
| DROP | 3-shot, F1 | 42.4 | 60.1 | 72.2 | 77.2 |
| AGIEval | 3-5-shot | 22.2 | 42.1 | 57.4 | 66.2 |
| MMLU | 5-shot, top-1 | 26.5 | 59.6 | 74.5 | 78.6 |
| MATH | 4-shot | – | 24.2 | 43.3 | 50.0 |
| GSM8K | 5-shot, maj@1 | 1.36 | 38.4 | 71.0 | 82.6 |
| GPQA | 9.38 | 15.0 | 25.4 | 24.3 | |
| MMLU (Pro) | 5-shot | 11.2 | 23.7 | 40.8 | 43.9 |
| MBPP | 3-shot | 9.80 | 46.0 | 60.4 | 65.6 |
| HumanEval | pass@1 | 6.10 | 36.0 | 45.7 | 48.8 |
| MMLU (Pro COT) | 5-shot | 9.7 | NaN | NaN | NaN |
Multilingual capabilities
| Benchmark | Gemma 3 PT 1B | Gemma 3 PT 4B | Gemma 3 PT 12B | Gemma 3 PT 27B |
|---|---|---|---|---|
| MGSM | 2.04 | 34.7 | 64.3 | 74.3 |
| Global-MMLU-Lite | 24.9 | 57.0 | 69.4 | 75.7 |
| Belebele | 26.6 | 59.4 | 78.0 | – |
| WMT24++ (ChrF) | 36.7 | 48.4 | 53.9 | 55.7 |
| FloRes | 29.5 | 39.2 | 46.0 | 48.8 |
| XL-Sum | 4.82 | 8.55 | 12.2 | 14.9 |
| XQuAD (all) | 43.9 | 68.0 | 74.5 | 76.8 |
Multimodal capabilities
| Benchmark | Gemma 3 PT 4B | Gemma 3 PT 12B | Gemma 3 PT 27B |
|---|---|---|---|
| COCOcap | 102 | 111 | 116 |
| DocVQA (val) | 72.8 | 82.3 | 85.6 |
| InfoVQA (val) | 44.1 | 54.8 | 59.4 |
| MMMU (pt) | 39.2 | 50.3 | 56.1 |
| TextVQA (val) | 58.9 | 66.5 | 68.6 |
| RealWorldQA | 45.5 | 52.2 | 53.9 |
| ReMI | 27.3 | 38.5 | 44.8 |
| AI2D | 63.2 | 75.2 | 79.0 |
| ChartQA | 45.4 | 60.9 | 63.8 |
| ChartQA (augmented) | 81.8 | 88.5 | 88.7 |
| VQAv2 | – | – | – |
| BLINK | 38.0 | 35.9 | 39.6 |
| OKVQA | 51.0 | 58.7 | 60.2 |
| TallyQA | 42.5 | 51.8 | 54.3 |
| SpatialSense VQA | 50.9 | 60.0 | 59.4 |
| CountBenchQA | 26.1 | 17.8 | 68.0 |
Reference
أسئلة شائعة عن تشغيل Gemma 3 1B محليًا
- هل أستطيع تشغيل Gemma 3 1B على جهازي؟
- يحتاج Gemma 3 1B إلى 1 جيجابايت من الذاكرة كحد أدنى، والموصى به 2 جيجابايت. يكفي أن تفتح هذه الصفحة ليُقيَّم النموذج تلقائيًا أمام كرت شاشتك أو جهاز الماك، ثم تشغّله عبر Ollama أو LM Studio أو llama.cpp.
- كم يحتاج Gemma 3 1B من الـ VRAM؟
- بتكميم Q4_K_M يستهلك Gemma 3 1B نحو 1 جيجابايت من ذاكرة الكرت. أما المستويات الأعلى فتحتاج ذاكرة أكبر، والأدنى تناسب الكروت المحدودة مقابل تنازل في الجودة.