Gemma 3 (4B+)

Kein separates Vision-Modell nötig: Gemma 3 ab 4B versteht Bilder von Haus aus — praktisch als Allrounder mit Bild-Support.

So nutzt du es

Am einfachsten per Ollama: ollama pull <modellname> und dann ollama run <modellname> — oder komfortabel mit LM Studio (grafische Oberfläche, Modell-Suche eingebaut). Die Hardware-Angaben unten beziehen sich auf die übliche 4-Bit-Quantisierung (Q4).

Größen & Hardware

• Verfügbare Größen: 4B / 12B / 27B
• Empfohlene Hardware (Q4): s. oben

Im Detail

Ein praktischer Vorteil von Gemma 3 ab der 4B-Größe: Bildverständnis ist direkt eingebaut, sodass kein zusätzliches, separates Vision-Modell installiert und verwaltet werden muss wie bei manchen anderen offenen Modellfamilien. Das macht den Einstieg einfacher – ein Modell reicht für Text- und Bildaufgaben gleichermaßen, etwa um Screenshots zu beschreiben, Diagramme zu interpretieren oder Dokumente mit Grafiken auszuwerten. Die Qualität skaliert mit der Größe: 4B liefert brauchbare, aber einfache Bildbeschreibungen, während 12B und 27B deutlich genauer arbeiten. Für reine Textaufgaben lohnt sich der Umweg über die multimodale Variante nicht zwingend.

Praxis-Tipp

Ein Foto einer Rechnung oder eines Diagramms hochladen und nach einer strukturierten Zusammenfassung fragen – ab 12B wird die Texterkennung darin merklich zuverlässiger.

Siehe auch

• Llama 4 (Scout / Maverick)

Lizenz & Quelle

• Lizenz: Gemma Terms of Use
• Quelle: Ollama