![\"Google](\"https:\/\/www.europesays.com\/pt\/wp-content\/uploads\/2025\/08\/tugatech-3411-35708.jpg\")
<\/p>\n<\/p>\n
\u00a0<\/p>\n
A Google acaba de alargar a sua fam\u00edlia de modelos de intelig\u00eancia artificial com o lan\u00e7amento do Gemma 3 270M, o mais recente e compacto membro da gama Gemma 3. Este novo modelo foi desenhado com um foco claro na efici\u00eancia, sendo ideal para ser ajustado (fine-tuning) para a execu\u00e7\u00e3o de tarefas espec\u00edficas, oferecendo desde logo boas capacidades de seguimento de instru\u00e7\u00f5es e estrutura\u00e7\u00e3o de texto.<\/p>\n
\u00a0<\/p>\n
Pequeno mas poderoso: o que torna o Gemma 3 270M especial<\/strong><\/p>\n \u00a0<\/p>\n Apesar do seu tamanho reduzido, com 270 milh\u00f5es de par\u00e2metros, o Gemma 3 270M destaca-se pelo seu vasto vocabul\u00e1rio de 256.000 tokens e 170 milh\u00f5es de par\u00e2metros de incorpora\u00e7\u00e3o (embedding). Isto permite-lhe lidar eficazmente com tokens menos comuns e terminologia espec\u00edfica de diferentes dom\u00ednios e idiomas, tornando-o uma base extremamente vers\u00e1til para personaliza\u00e7\u00e3o.<\/p>\n \u00a0<\/p>\n A Google sublinha que, embora n\u00e3o seja ideal para di\u00e1logos complexos de v\u00e1rias voltas, o modelo responde bem \u00e0 maioria das instru\u00e7\u00f5es e \u00e9 particularmente eficaz em tarefas como classifica\u00e7\u00e3o de texto e extra\u00e7\u00e3o de dados.<\/p>\n \u00a0<\/p>\n Efici\u00eancia energ\u00e9tica como bandeira<\/strong><\/p>\n \u00a0<\/p>\n O grande trunfo do Gemma 3 270M \u00e9, sem d\u00favida, o seu baixo consumo energ\u00e9tico. Testes internos da empresa, realizados num sistema-em-chip (SoC) do Pixel 9 Pro, revelaram que a vers\u00e3o quantizada (INT4) do modelo consumiu apenas 0,75% da bateria durante 25 conversas.<\/p>\n \u00a0<\/p>\n Este resultado posiciona-o como o modelo Gemma mais eficiente da Google at\u00e9 \u00e0 data, sendo uma solu\u00e7\u00e3o perfeita para dispositivos com recursos limitados, como telem\u00f3veis e outros equipamentos de hardware modesto.<\/p>\n \u00a0<\/p>\n Disponibilidade e vers\u00f5es para todos<\/strong><\/p>\n \u00a0<\/p>\n Para facilitar a sua ado\u00e7\u00e3o pela comunidade de programadores<\/a><\/strong>, a Google disponibilizou n\u00e3o s\u00f3 um checkpoint pr\u00e9-treinado, mas tamb\u00e9m uma variante j\u00e1 afinada para seguir instru\u00e7\u00f5es gerais de imediato. Al\u00e9m disso, para garantir o desempenho em hardware mais modesto, foram lan\u00e7ados checkpoints treinados com reconhecimento de quantiza\u00e7\u00e3o (Quantization-Aware Trained), que permitem ao modelo operar com precis\u00e3o INT4 com perdas m\u00ednimas de performance.<\/p>\n \u00a0<\/p>\n