Gemma 3: La nueva generación de inteligencia artificial de Google

juan felipe beltran diaz
17 mar 2025
7 Min. de lectura

Google ha lanzado recientemente Gemma 3, su última iteración de modelos de lenguaje abiertos que marca un avance significativo en el campo de la inteligencia artificial. Este nuevo conjunto de modelos destaca por sus capacidades multimodales, soporte multilingüe y contexto extendido, permitiendo procesar tanto texto como imágenes y admitiendo más de 140 idiomas. Con variantes que van desde 1 hasta 27 mil millones de parámetros, Gemma 3 está diseñado para funcionar eficientemente en diversos dispositivos, desde smartphones hasta ordenadores, ofreciendo un rendimiento excepcional con recursos computacionales relativamente limitados. Esta tecnología promete transformar numerosas aplicaciones cotidianas, desde asistentes personales hasta herramientas de análisis de contenido.

¿Qué es Gemma 3?

Gemma 3 representa la nueva generación de modelos de inteligencia artificial desarrollados por Google, basados en la misma tecnología que impulsa sus modelos Gemini 2.0. Se trata de una familia de modelos abiertos y ligeros diseñados para ejecutarse de manera eficiente en una sola unidad de procesamiento gráfico (GPU) o unidad de procesamiento tensorial (TPU) [3]. Este enfoque facilita enormemente su implementación en entornos con recursos limitados, democratizando el acceso a capacidades avanzadas de IA.El lanzamiento de Gemma 3 ocurrió en marzo de 2025, presentando cuatro variantes de diferentes tamaños: 1 mil millones, 4 mil millones, 12 mil millones y 27 mil millones de parámetros [1]. Cada modelo está disponible en dos versiones: pre-entrenada (PT) y con instrucciones afinadas (IT), permitiendo a los desarrolladores elegir la opción que mejor se adapte a sus necesidades específicas de hardware y rendimiento [2].Una característica distintiva de Gemma 3 es su capacidad multimodal, que permite procesar tanto imágenes como texto en las variantes de 4B, 12B y 27B, mientras que la versión de 1B se limita únicamente al procesamiento de texto [1]. Esta integración multimodal representa un salto cualitativo respecto a su predecesor, Gemma 2, y amplía significativamente el espectro de aplicaciones posibles.

Arquitectura y avances técnicos

Gemma 3 introduce mejoras sustanciales en su arquitectura técnica. La ventana de contexto se ha incrementado notablemente, pasando de los 8K tokens en Gemma 2 a 32K tokens para el modelo de 1B y 128K tokens para el resto de las variantes [1][4]. Esta ampliación permite procesar y comprender cantidades mucho mayores de información, habilitando análisis más profundos y complejos.Para lograr esta escalabilidad en la longitud del contexto sin necesidad de entrenar los modelos desde cero, Google implementó un enfoque eficiente donde los modelos se preentrenan con secuencias de 32K tokens, y solo las variantes de 4B, 12B y 27B se escalan a 128K tokens al final del preentrenamiento [1]. Este método reduce significativamente el costo computacional del desarrollo.Las incrustaciones posicionales (positional embeddings) también han sido mejoradas, actualizando la frecuencia base de RoPE de 10K en Gemma 2 a 1M en Gemma 3, y aplicando un factor de escala de 8 para contextos más largos [1]. Adicionalmente, la gestión de la caché KV ha sido optimizada mediante la atención entrelazada de ventana deslizante de Gemma 2, ajustando los hiperparámetros para entrelazar 5 capas locales con 1 capa global, en lugar de la proporción 1:1 anterior [1].

Capacidades y rendimiento

Gemma 3 destaca por su impresionante rendimiento en comparación con otros modelos del sector. En el sistema de evaluación LMSys Chatbot Arena, Gemma 3 27B IT ha logrado una puntuación Elo de 1339, ubicándose entre los 10 mejores modelos, incluyendo aquellos de acceso restringido [1][4]. Este rendimiento es comparable al de o1-preview y supera a otros modelos abiertos "non-thinking" [1].

Capacidades multilingües

Una de las características más notables de Gemma 3 es su amplio soporte multilingüe. Mientras que el modelo de 1B funciona únicamente en inglés, las variantes de 4B, 12B y 27B son compatibles con más de 140 idiomas [1][2][4]. Este soporte multilingüe se logra mediante un nuevo tokenizador que mejora significativamente la capacidad de procesamiento en diversos idiomas [4]. Para los desarrolladores y usuarios, esto significa la posibilidad de crear aplicaciones verdaderamente globales, capaces de interactuar eficazmente en múltiples lenguas.

Capacidades multimodales

Gemma 3 integra avanzadas capacidades multimodales que permiten procesar entradas de visión-lenguaje y generar salidas de texto [4]. Esta funcionalidad se implementa mediante un codificador de visión basado en SigLIP, que permite a los modelos manejar imágenes de alta resolución y formatos no convencionales a través de un algoritmo de ventana adaptativa [4]. La integración multimodal amplía enormemente el espectro de aplicaciones posibles, desde el análisis de contenido visual hasta la interacción natural con diferentes tipos de datos.

Aplicaciones prácticas y utilidades diarias

Las capacidades de Gemma 3 abren un amplio abanico de aplicaciones prácticas para el uso cotidiano, transformando la manera en que interactuamos con la tecnología en diversos

contextos.

Asistencia personal y productividad

Gemma 3 puede potenciar asistentes personales altamente capaces, que pueden procesar y comprender tanto texto como imágenes. Esto facilita tareas como la organización de información, la gestión de calendarios y la asistencia en la toma de decisiones. Su capacidad para procesar grandes volúmenes de información (hasta 128K tokens) permite analizar documentos extensos, resumirlos y extraer puntos clave, optimizando significativamente el trabajo con contenidos complejos [1][2].La compatibilidad con más de 140 idiomas hace que estos asistentes sean accesibles para un público global, eliminando barreras lingüísticas en la interacción con la tecnología [2][4]. Un usuario puede, por ejemplo, obtener resúmenes de artículos en diferentes idiomas o traducir contenido sin necesidad de herramientas adicionales.

Desarrollo de aplicaciones inteligentes

Para los desarrolladores, Gemma 3 ofrece una plataforma versátil para crear aplicaciones que analicen imágenes, texto y videos cortos [2]. La posibilidad de ejecutar incluso el modelo más grande (27B) en una sola GPU H100 reduce significativamente los requisitos de hardware, haciendo que el desarrollo de aplicaciones avanzadas de IA sea más accesible [4].Las capacidades de llamadas de funciones y salida estructurada permiten automatizar tareas complejas y crear experiencias de agente en aplicaciones [2]. Esto facilita la implementación de chatbots avanzados, sistemas de recomendación personalizados o herramientas de análisis de datos que pueden ejecutarse localmente en dispositivos del usuario, sin necesidad de depender constantemente de servidores en la nube.

Análisis y comprensión de contenido

Una de las utilidades más relevantes de Gemma 3 es su capacidad para analizar y comprender contenido multimedia. Los usuarios pueden obtener descripciones detalladas de imágenes, extraer información relevante de documentos visuales o analizar gráficos y diagramas [1][4]. Esta funcionalidad resulta particularmente útil en contextos educativos, investigación o trabajo con grandes volúmenes de información visual.Adicionalmente, la introducción de ShieldGemma 2, un verificador de seguridad de imágenes basado en la arquitectura de Gemma 3, permite detectar contenido potencialmente peligroso, sexualmente explícito o violento [2][3]. Esta herramienta proporciona una capa adicional de protección al interactuar con contenido visual en internet, especialmente importante en entornos familiares o educativos.

Ventajas competitivas y evaluación comparativa

Gemma 3 se destaca en comparación con otros modelos disponibles en el mercado, tanto abiertos como cerrados. Su rendimiento ha sido evaluado en diversos benchmarks, mostrando resultados competitivos incluso frente a modelos de mayor tamaño o acceso restringido.

Eficiencia computacional

Una de las principales ventajas de Gemma 3 es su eficiencia computacional. Según la información proporcionada, el modelo más grande (27B) puede ejecutarse en una sola GPU H100, mientras que se necesitaría al menos 10 veces más potencia computacional para obtener un rendimiento similar de otros modelos [4]. Esta eficiencia hace que Gemma 3 sea accesible para un rango mucho más amplio de usuarios y casos de uso, desde dispositivos móviles hasta ordenadores personales [2].La capacidad de ejecutar modelos avanzados de IA localmente, sin depender constantemente de servidores en la nube, no solo reduce costos operativos sino que también mejora la privacidad y seguridad de los datos procesados, un factor cada vez más valorado por los usuarios.

Rendimiento en benchmarks

En evaluaciones de rendimiento, Gemma 3 ha demostrado capacidades sobresalientes. El modelo Gemma-3-4B-IT supera a Gemma-2-27B IT, mientras que Gemma-3-27B-IT supera a Gemini 1.5-Pro en diversos benchmarks [1]. Específicamente, Gemma 3 ha sido evaluado en pruebas como MMLU-Pro (27B: 67.5), LiveCodeBench (27B: 29.7), Bird-SQL (27B: 54.4), GPQA Diamond (27B: 42.4), MATH (27B: 69.0), FACTS Grounding (27B: 74.9) y MMMU (27B: 64.9) [1].Estos resultados demuestran fortalezas particulares en razonamiento, habilidades matemáticas, precisión factual y capacidades multimodales, aunque se observan algunas limitaciones en pruebas como SimpleQA (27B: 10.0) para hechos básicos [1]. En comparación con los modelos Gemini 1.5, Gemma 3 frecuentemente se acerca o incluso supera su rendimiento, lo que confirma su valor como una opción accesible y de alto rendimiento [1].

El ecosistema Gemma y su futuro

Google ha creado todo un ecosistema alrededor de Gemma 3, denominado "Gemmaverso", que incluye diversos modelos y herramientas basados en esta arquitectura e impulsados por la comunidad de desarrolladores [3]. Este enfoque colaborativo busca maximizar el potencial de la tecnología y fomentar la innovación en diferentes ámbitos de aplicación.

Programa académico y acceso

Para fomentar la investigación y el desarrollo basado en Gemma 3, Google ha lanzado el Programa Académico Gemma 3, que ofrece a investigadores la posibilidad de solicitar créditos en Google Cloud por un valor de $10,000 para proyectos que utilicen esta tecnología [3]. Esta iniciativa refleja el compromiso de Google con la democratización del acceso a herramientas avanzadas de IA y el fomento de la innovación en este campo. La disponibilidad de modelos abiertos como Gemma 3 representa un paso significativo hacia un ecosistema de IA más diverso y accesible, donde desarrolladores independientes, pequeñas empresas e investigadores pueden aprovechar tecnologías de vanguardia sin las limitaciones tradicionales de costos o acceso.

Conclusión

Gemma 3 representa un avance significativo en el campo de los modelos de lenguaje e inteligencia artificial, ofreciendo capacidades multimodales, soporte multilingüe y contexto extendido en un paquete eficiente y accesible. Su capacidad para ejecutarse en dispositivos convencionales, desde smartphones hasta ordenadores personales, democratiza el acceso a tecnologías avanzadas de IA y abre nuevas posibilidades para aplicaciones cotidianas.Las utilidades diarias de Gemma 3 abarcan desde asistentes personales y herramientas de productividad hasta aplicaciones de análisis de contenido y sistemas de automatización. Su versatilidad y eficiencia la convierten en una opción atractiva tanto para desarrolladores como para usuarios finales, prometiendo transformar nuestra interacción con la tecnología en múltiples contextos.

A medida que el ecosistema Gemma continúa creciendo y evolucionando, podemos esperar nuevas aplicaciones innovadoras y casos de uso que aprovechen al máximo las capacidades de esta tecnología. El enfoque abierto adoptado por Google fomenta la colaboración y la experimentación, sentando las bases para futuros avances en el campo de la inteligencia artificial accesible y centrada en el usuario.

Fuentes:

IAs que ayudaron a hacer esto posible:

Asistencia de Chat GPT 4o para la elaboración de la imagen
Asistencia para la investigación con Perplexity IA.
Asistencia para el contenido media con GPT assistant (fine tuned).

Todo el contenido has sido creado por un humano con la ayuda de inteligencia artificial.