Gemma 3: la prima versione multimodale con vision e 128k context

Gemma era già un'ottima serie di modelli linguistici open source di Google. Con la versione 3 arriva la visione: ora Gemma può guardare immagini e video e ragionare su di essi, con una finestra di contesto di 128.000 token. Questo significa che puoi dargli un documento visivo molto lungo, o molti frame di un video, e lui ricorda tutto. La licenza Apache 2.0 rende Gemma 3 il VLM di Google completamente libero da usare, anche per applicazioni commerciali.