谷歌公司昨日（4 月 18 日）发布博文，发布了量化感知训练（QAT）优化版 Gemma 3 模型，在保持高质量的同时，降低内存需求。
谷歌上月推出 Gemma 3 开源模型，能在单台 NVIDIA H100 GPU 上以 BFloat16（BF16）精度高效运行。
AI在线援引博文介绍，谷歌为响应用户需求，致力于让 Gemma 3 的强大性能适配普通硬件。量化技术是关键，通过降低模型参数的数值精度（如从 BF16 的 16 位降至 int4 的 4 位），类似图像压缩减少颜色数量，大幅减少数据存储量。
以 int4 量化为例，Gemma 3 27B 显存需求从 54GB 锐减至 14.1GB，Gemma 3 12B 则从 24GB 降至 6.6GB；Gemma 3 1B 仅需 0.5GB 显存。
这意味着用户可在桌面（NVIDIA RTX 3090）或笔记本（NVIDIA RTX 4060 Laptop GPU）上运行强大 AI 模型，甚至手机也能支持小型模型。
为避免量化导致性能下降，谷歌采用量化感知训练（QAT）技术，在训练过程中模拟低精度运算，确保模型在压缩后仍保持高准确性。Gemma 3 QAT 模型在约 5000 步训练中，将困惑度下降减少了 54%。
Ollama、LM Studio 和 llama.cpp 等主流平台已集成该模型，用户可通过 Hugging Face 和 Kaggle 获取官方 int4 和 Q4_0 模型，轻松在 Apple Silicon 或 CPU 上运行。此外，Gemmaverse 社区提供了更多量化选项，满足不同需求。
