embeddinggemma-300M是一个经过量化优化的轻量级文本嵌入模型，基于Google的embeddinggemma架构，采用QAT（量化感知训练）和Q4_0量化技术，参数量为300M。该模型专门用于生成高质量的文本嵌入向量，支持句子相似度计算和特征提取等任务。

自然语言处理Sentence-transformers

Gemma 3是谷歌推出的轻量级、最先进的开源多模态模型家族，基于与Gemini模型相同的研究和技术构建。该270M版本是经过指令调优的模型，采用量化感知训练（QAT），能够在显著降低内存需求的同时保持与bfloat16相近的质量。

多模态Transformers

Gemma 3是谷歌基于Gemini技术构建的轻量级开放模型系列，12B版本采用量化感知训练(QAT)技术，支持多模态输入和128K上下文窗口。

多模态Gguf

Gemma 3是谷歌推出的轻量级、最先进的开放模型家族，基于与Gemini模型相同的研究和技术构建。该27B版本采用量化感知训练（QAT），能够在显著降低内存需求的同时保持与bfloat16相近的质量，具备多模态处理能力和128K大上下文窗口。

多模态Transformers

Gemma 3是谷歌推出的轻量级开源多模态模型系列，基于与Gemini模型相同的研究构建。本版本为4B参数的指令微调模型，采用量化感知训练(QAT)，支持文本和图像输入并生成文本输出，适用于多种文本生成和图像理解任务。

多模态Transformers

基于Google Gemma-3-4B的量化感知训练(QAT)版本，专注于生成分析性中立回答，避免价值判断，适用于敏感和争议性话题。

自然语言处理TransformersEnglish

基于Google QAT（量化感知训练）权重量化的Gemma-3-12b模型，提供多种量化版本以适应不同硬件需求。

自然语言处理Gguf

基于Google Gemma 3 270亿参数指令调优模型的量化版本，采用量化感知训练(QAT)权重生成，支持多种量化级别以适应不同硬件需求。

自然语言处理Gguf

Gemma 3 27B IT QAT BF16 是由 Google 发布的 Gemma 系列模型的一个版本，经过量化感知训练（QAT）并转换为 BF16 格式，适用于 MLX 框架。

多模态Transformers

这是 Google Gemma-3-1B-IT 模型的量化版本，使用 QAT（量化感知训练）4位量化技术，并转换为 MLX 格式，便于在 Apple 芯片设备上高效运行。

自然语言处理Transformers

Gemma 3 4B IT QAT 4bit 是一个经过量化感知训练（QAT）的4位量化大语言模型，基于Gemma 3架构，专为MLX框架优化。

多模态TransformersOther

Gemma 3 是 Google 推出的轻量级先进开放模型系列，基于与 Gemini 模型相同的研究和技术构建。此版本为 27B 参数的指令调优模型，采用量化感知训练（QAT）和压缩张量技术。

多模态Safetensors

Gemma 3是Google推出的轻量级开源多模态模型系列，基于Gemini技术构建，支持文本和图像输入，生成文本输出。1B版本经过指令调优和量化感知训练(QAT)，适合资源有限环境部署。

多模态Transformers

Gemma 3是Google基于Gemini技术打造的轻量级开源多模态模型系列，支持文本和图像输入并生成文本输出。12B版本经过指令调优和量化感知训练(QAT)，适合资源有限环境部署。

多模态Transformers

Gemma是谷歌推出的轻量级尖端开放模型家族，基于与Gemini模型相同的研究和技术构建。1B版本为预训练基础模型，采用量化感知训练（QAT）的GGUF格式。

多模态Gguf

QAMDT是一种面向文本生成音乐的质量感知扩散模型，通过创新训练技术提升音频保真度和音乐表现力。

音频处理Diffusers

Llama3-ChatQA-1.5是基于Llama-3基础模型开发的对话问答和检索增强生成模型，在对话QA和RAG任务上表现卓越。该模型采用改进的训练方法，融入了更多对话问答数据，增强了表格和算术计算能力。

自然语言处理TransformersEnglish

QAmembert是基于CamemBERT基础版针对法语问答任务进行微调的模型，训练数据包含四种法语问答数据集，支持答案存在和不存在两种情况。

自然语言处理TransformersFrench

基于WangchanBERTa模型微调的泰语问答系统，使用多个泰语QA数据集进行训练

自然语言处理Transformers

QARiB是基于阿拉伯语及方言的大规模预训练BERT模型，训练数据包含4.2亿条推文和1.8亿条文本句子。

自然语言处理JaxArabic