gemma-3-12b-it-qat-q4_0-unquantized

该模型属于 Google Gemma 3 开源模型家族，2025 年 4 月 8 日发布，参数规模 12B，采用 Gemma 许可证开放权重。相比只处理文本的同系列模型，它把图像也纳入输入侧，可读取截图、照片、扫描文档等视觉信息，再以文本作答，因此在私有化部署、垂直领域微调和图文混合理解这几类需求中更有用。命名中的 QAT 与 q4_0 指向量化感知训练路线，说明该版本关注在较低精度下的可用性；后缀 unquantized 与量化标识并列，实际权重形态应以官方仓库说明为准。12B 属于中等参数规模，处于“能力尚可、部署门槛可控”的区间，适合当作业务流水线中的理解环节，而非承担最重的推理任务。官方价格未公开，本站也尚未记录该模型的第三方跑分与托管平台报价，横向比较缺少同口径依据。

选型建议需要可自托管、可微调的图文理解中量级模型时选它；需要托管 API、超长上下文或更强推理能力时，转向 Gemini 系列商用模型更合适。

• 在本地或私有云部署图文问答助手，处理截图、表单、产品图的描述与追问
• 批量抽取票据与扫描文档图片中的关键信息，再交由下游文本流程处理
• 基于开放权重做领域微调，把图像理解能力收敛到单一垂直业务场景
• 为离线或弱网环境搭建可运行的多模态推理服务，避免业务数据外传
• 作为原型阶段的验证模型，先跑通端到端流程，再决定是否换用更大模型

基于 Gemma 3 系列的稠密解码器结构，研究思路与 Gemini 同源，并在输入侧扩展出图像通道。

• 结构属 Gemma 3 家族的 12B 稠密解码器模型，输入接受文本与图像、输出仅文本，整体沿用该系列的设计路线。
• 能力原生支持图文混合输入，可完成图片描述、截图问答与文档理解，输出统一为文本，便于接入既有的文本后处理流程。
• 披露官方未逐条公开网络层与训练细节，命名中的 QAT 与 q4_0 指向量化感知训练，实际权重形态需以官方仓库说明为准。

开源权重

是

许可证

gemma

参数规模

12B

本站尚未记录该模型的第三方跑分，以下判断基于参数量级与架构定位，跨模型比较缺少同口径依据。

• 强项12B 量级在开源权重模型中兼顾多模态理解与部署成本，对截图、表单、产品图这类图像问答适配直接，私有环境可运行。
• 短板缺少公开跑分支撑，复杂长链推理与超长文档处理不及更大规模模型；上下文长度等规格本站未列出，需查官方模型卡。
• 适合适合数据不宜外传、又需要图文理解的团队，可放在内部助手或业务流水线中做理解环节，不宜作为顶级推理主力。

官方未公开该模型价格，其成本结构与按 token 计费的商用 API 不同，需按自托管方式核算。

• 定位权重开放获取，成本主要落在推理硬件与运维人力上，不产生按 token 计费的调用账单，前期投入偏重。
• 横向对比对比中的 Gemini 系列为闭源商用 API，按输入输出 token 计价；本模型为自托管形态，两者价差记为不可比。
• 平台差价本站记录的可调用平台数为 0，暂无第三方托管报价可对照，实际价格取决于云厂商自行上架时的定价策略。
• 省钱调用量稳定且已有 GPU 资源时，自托管能在长期摊薄成本；调用量小或缺少运维人力时，商用 API 往往更划算。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未记录该模型的公开跑分与榜单成绩，能力描述均为定性判断，具体表现以官方模型卡和实际测试为准。
• 边界图像仅作输入通道、输出为纯文本，不能生成图片；Gemma 许可证附带使用条款，商用与再分发前需逐条确认。
• 规格上下文长度、显存占用与推理框架支持情况未在本站数据中列出，部署前应自行确认硬件与量化格式的兼容性。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。