gemma-3-27b-pt

gemma-3-27b-pt 属于 Google 的 Gemma 系列，以开放权重形式发布，许可证为 gemma。它的输入覆盖文本与图像，输出只有文本，因此适合做图文理解、文档问答一类任务的底座。27B 在开源模型里属于中量级：比小尺寸版本更能承载复杂指令与多模态对齐，又比超大模型更容易在自有算力上部署和微调。名称中的 pt 按命名惯例指预训练基座权重，本身不包含完整的指令对齐流程，想直接用于对话需要额外做微调或对齐。官方价格未公开，也没有第三方平台托管报价，落地方式以自建推理为主。

选型建议需要可私有部署、可微调的多模态基座时选它；需要开箱即用的对话能力、公开单价和长上下文时，同厂 Gemini Flash 系列更直接。

• 在自有 GPU 上部署图文理解服务，处理截图问答、票据与表单信息提取
• 用领域数据对预训练基座做继续预训练或指令微调，构建行业专用模型
• 作为研究基线，对比不同多模态对齐方案在中量级模型上的表现
• 在数据不便出域的合规场景中本地化运行，替代调用外部闭源接口
• 结合视觉输入做文档版面理解与长文档摘要的原型验证

属于 Gemma 3 系列的 27B 稠密模型，沿用 decoder-only Transformer 骨架并引入视觉输入通路；层数、上下文窗口等结构细节以官方模型卡为准。

• 结构decoder-only Transformer 加图像编码分支，文本与图像在输入端统一处理，输出侧只生成文本，适合图文问答与文档理解类任务。
• 规模27B 稠密参数，量化后可在单机多卡或高显存单卡上运行，效果与自建推理成本之间取中间档。
• 版本后缀 pt 按惯例表示预训练基座权重，未做指令微调与偏好对齐，直接对话前需自行微调或接入对齐流程。
• 披露训练数据构成、上下文长度、视觉编码器规格等信息本站暂无，需以官方模型卡与许可证文本为准。

开源权重

是

许可证

gemma

参数规模

27B

本站暂无该模型的第三方跑分与能力标注，以下只作定性判断，不涉及具体分数。

• 强项27B 规模配多模态输入，在图文混合理解、图表与文档类任务上比小尺寸开源模型更有余量，微调后可用于垂直场景。
• 短板预训练基座未做指令对齐，零样本对话与指令遵循表现不如同厂经过对齐的 Gemini 闭源模型，开箱可用性偏弱。
• 适合适合有微调与评测能力的团队用于定制任务，不适合直接当成品聊天接口对外提供。

该模型以开放权重发布，官方价格未公开，本站也没有第三方平台托管报价，成本核算方式与按 token 计费的闭源 API 不同。

• 定位权重开放、无官方标价，成本主要落在自建推理的算力、显存与运维上，而非按调用量付费。
• 横向对比同厂 Gemini Flash 系列有公开的输入输出单价与更长上下文，走 API 更省事；本模型换取的是可私有部署与可改权重。
• 平台差价本站暂无托管该模型的服务商，无法给出平台间价差，实际支出取决于自建还是转用第三方推理服务。
• 省钱调用量大且数据不便出域时，自托管摊薄后更划算；调用量小或需求波动大时，按量付费的闭源 API 通常更省。

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

• 口径本站未收录该模型的第三方跑分与能力标签，官方价格未公开，任何性能与费用结论都需回到官方模型卡核验。
• 边界许可证为 gemma 而非宽松许可，商用与再分发需按条款执行；模型只输出文本，图像仅作输入，不能生成图片。

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。