待验证50% 置信事实精确时间

Gemma 3系列支持文本、图像、音频和视频的理解与生成，其较小的模型规格（如4B、12B参数版本）即可在消费级GPU上运行

1

来源数

50%

置信度

长期有效

时效性

2026/9/1

首次发现

来源

ComfyUI大模型助手2.0：多模态本地部署一站式方案

涉及实体

相关事实

待验证2025年发布的 Gemma 3 系列采用 SigLIP 视觉编码器与语言模型联合训练，支持图像理解，并将上下文窗口扩展至 128K tokens72% 相似待验证Gemma系列模型采用SigLIP视觉编码器来处理图像输入70% 相似待验证Gemma 4支持完全离线状态下的图像文字提取（OCR），采用视觉-语言多模态架构69% 相似待验证Gemma 4 E2B 支持三大离线多模态能力：AI Chat（离线对话）、Ask Image（拍照识别）、Ask Audio（本地音频转录）66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/838874

API

curl https://kongchang.com/api/v1/knowledge/claims/838874

MCP

get_claim(id=838874)