谷歌在2026年I/O大會上發佈全新Coral Board開發板，一款專爲端側AI設計的緊湊型單板計算機。核心採用基於RISC-V架構的開源Coral NPU，搭載Synaptics Astra SL2619芯片，配備2GHz雙核處理器與2GB內存，具備1TOPS本地算力，主要面向耳機、AR眼鏡及智能手錶等小型設備，旨在解決AI加速器碎片化問題。
谷歌發佈基於Gemma3架構的TranslateGemma翻譯模型系列，提供4B、12B、27B三種參數規模，支持55種核心語言翻譯，並具備多模態圖像翻譯能力，實現文本與圖片文字的無縫翻譯。
谷歌DeepMind推出Gemma Scope2，這是一個開放的可解釋性工具套件，旨在深入分析Gemma3語言模型從2.7億到270億參數的各層次信息處理。該工具幫助AI安全與對齊團隊追蹤模型內部特徵，以應對“越獄”、幻覺或不當行爲等問題。
谷歌Gemma模型因誤傳美國參議員布萊克本的虛假信息引發爭議，被指誹謗。谷歌於10月31日宣佈將Gemma3模型從AI Studio平臺撤下，以防止誤解。目前該模型僅通過API可用，AI Studio上已無法訪問。
Google
-
輸入tokens/百萬
輸出tokens/百萬
上下文長度
$140
$280
32
$0.7
$1.4
131
$0.14
$0.28
$0.35
Alibaba
$2
$1
fibonacciai
RealRobot_chatbot_llm是基於Gemma3n架構的專業產品人工智能模型，專門在RealRobot產品目錄的專有數據集上進行了微調。該模型能夠根據企業自身的產品數據，快速創建準確、經濟高效且可部署的專業語言模型，提供高度專業化的產品問答服務。
yanolja
YanoljaNEXT-Rosetta-27B-2511是基於Gemma3架構微調的270億參數解碼器語言模型，專門為結構化數據翻譯設計，能在保留數據結構的同時實現多語言間的高效準確翻譯。
KrauthammerLab
CAST 0.7B 是基於0.7B參數Gemma3風格語言模型構建的語音轉語音語言模型，能夠生成自然的語音音頻延續內容。該模型依賴於CAST WavTokenizer進行編碼/解碼操作，專門用於語音生成任務。
GazTrab
這是一個基於Gemma3架構的微調模型，使用Unsloth和Hugging Face TRL庫進行高效訓練，訓練速度提升2倍，專門針對文本生成任務進行了優化。
scb10x
Typhoon2.1-Gemma3-12B 是一款基於Gemma3架構構建的泰語指令大語言模型，擁有120億參數，支持128K上下文長度和函數調用能力，主要支持泰語和英語。
Reubencf
gemma3-konkani 是基於 Google Gemma-3-4B-IT 模型微調的版本，專門針對 Konkani 語言進行了優化，使用 TRL 框架進行監督微調訓練，適用於文本生成任務。
jet-ai
Jet-Nemotron-4B是NVIDIA推出的高效混合架構語言模型，基於後神經架構搜索和JetBlock線性注意力模塊兩大核心創新構建，在性能上超越了Qwen3、Qwen2.5、Gemma3和Llama3.2等開源模型，同時在H100 GPU上實現了最高53.6倍的生成吞吐量加速。
Jet-Nemotron是一個新型混合架構語言模型家族，超越了Qwen3、Qwen2.5、Gemma3和Llama3.2等最先進的開源全注意力語言模型，同時實現了顯著的效率提升——在H100 GPU上生成吞吐量最高可達53.6倍加速。
chimbiwide
這是一個基於Google Gemma3n模型使用Unsloth框架進行高效微調的版本，通過4位量化技術和TRL庫實現了2倍訓練加速，保持了原模型強大的文本理解和生成能力。
Mungert
Sarvam AI推出的高級翻譯模型，基於Gemma3-4B-IT構建，專為印度22種官方語言的全面文檔級翻譯而設計。
zelk12
這是一個使用mergekit工具合併的預訓練語言模型，採用DARE TIES方法融合了多個Gemma3-12B變體模型。
Typhoon2.1-Gemma3-12B 是一個基於Gemma3架構的120億參數泰語大語言模型，支持128K上下文長度和函數調用功能。
ginipick
Gemma3-R1984-4B是基於谷歌Gemma-3-4B模型構建的強大智能體AI平臺，支持多模態文件處理和深度研究能力。
soob3123
基於Gemma3架構的4B參數量化感知訓練模型，專注於分析性中立回答和爭議性話題的事實完整性
bharathkumar1922001
基於谷歌Gemma-3-12B模型，專門針對泰盧固語進行監督式微調的大語言模型，支持高質量的文本生成和對話任務。
summykai
基於mlabonne/gemma-3-27b-it-abliterated微調的大語言模型，採用Unsloth加速框架和Huggingface的TRL庫進行訓練，效率提升2倍。
gghfez
基於soob3123/amoral-gemma3-12B的視覺增強版本，結合了Gemma3-12B大語言模型與視覺編碼器，支持多模態任務
vicharai
Dhruv-27B-preview是基於Gemma3的270億參數語言模型，專為高級推理任務微調，適用於學術、邏輯和事實評估。
cortexso
Google開發的Gemma 3系列多模態大語言模型，能夠同時處理文本和圖像輸入並生成文本輸出。該系列提供從1B到27B四種不同參數規模的版本，支持超過140種語言和128K上下文窗口，在資源受限環境中也能高效部署。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
