Gemma 3とは？特徴・できること・使い方をわかりやすく解説

Gemma 3とは、Googleが2025年3月に発表したオープンウェイトのマルチモーダルAIモデルです。同社の大規模モデルGemini 2.0の研究成果を基盤に開発され、テキストと画像の同時処理や128Kトークンのコンテキストウィンドウ、140以上の言語への対応など、従来のオープンモデルの常識を覆す性能を備えています。

しかし、Gemma 3とはそもそもどのようなモデルなのか、従来のGemma 2やGeminiとはどう違うのか、商用利用は可能なのか、自社の環境で動かせるのかといった疑問を持つ方も多いのではないでしょうか。

本記事では、Gemma 3の定義や特徴から、ベンチマーク性能、具体的な活用事例、使い方、そして後継モデルGemma 4との違いまで、JAPAN AIが網羅的に解説します。

Gemma 3とは

Gemma 3とは、Googleが2025年3月12日に公開したオープンウェイトの軽量AIモデルです。「オープンウェイト」とは、モデルの学習済みパラメータ（重み）が公開されており、誰でもダウンロードして自由に利用・カスタマイズできることを意味します。

Gemma 3は、Googleの大規模商用モデルであるGemini 2.0の研究成果と技術を基盤に開発されており、その知見を軽量なモデルに凝縮した位置づけです。テキスト処理に加えて画像入力にも対応するマルチモーダルモデルであり、1B・4B・12B・27Bの4つのパラメータサイズに加え、超軽量の270Mモデルも提供されています。

なお、Gemma 3はKaggleやHugging Faceから無料でダウンロードでき、Google AI Studioを通じてブラウザ上で試すことも可能です。単一のGPUやTPUで動作するよう設計されているため、高額なインフラを用意しなくてもローカル環境で高性能なLLM（大規模言語モデル）を活用できる点が、多くの開発者や企業から注目を集めています。

LLMの基本的な仕組みや活用例については、「LLM（大規模言語モデル）とは？生成AIやChatGPTとの違い、仕組み・活用例まで」の記事で詳しく解説しています。

Gemma 3の特徴

Gemma 3は、マルチモーダル対応や128Kコンテキストウィンドウ、140以上の言語サポートなど、同パラメータ帯のオープンモデルとして突出した機能を複数備えています。Gemma 3を特徴づける6つの技術的要素を解説します。

• マルチモーダル対応
• 128Kコンテキストウィンドウ
• 4種類のモデルサイズ
• 140以上の言語に対応
• 量子化モデル
• アーキテクチャの工夫

マルチモーダル対応

Gemma 3の4B以上のモデルは、テキストと画像を同時に入力して処理できるマルチモーダル機能を備えています。

画像理解の中核を担うのが、SigLIPと呼ばれるビジョンエンコーダです。SigLIPは入力された画像を896×896ピクセルの固定サイズに変換し、256個の「ソフトトークン」と呼ばれるベクトル列に変換します。このベクトル列がテキストトークンと同じ形式で言語モデルに入力されることで、画像の内容をテキストと統合的に理解できる仕組みです。

さらに、異なるアスペクト比や高解像度の画像に対応するため、「Pan & Scan」（パン&スキャン）と呼ばれる適応的クリッピング手法を採用しています。この手法では、元の画像を複数の領域に分割してそれぞれをエンコードするため、細部の情報が失われにくく、画像内の小さな文字や細かいディテールも正確に認識できます。動画についても、フレーム単位での解析に対応しています。

画像とテキストの両方を扱えることで、製品写真の説明文生成やグラフの読み取り、手書きメモのデジタル化など、従来はテキストのみのLLMでは困難だったタスクへの適用が広がります。

128Kコンテキストウィンドウ

Gemma 3は、最大128,000トークンのコンテキストウィンドウを備えており、長文書や大規模データの一括処理が可能です。

128Kトークンは、一般的な小説1冊分に相当する情報量です。従来のGemma 2では最大8,000トークンに制限されていたため、Gemma 3では16倍もの拡張が実現しました。この大幅な拡張により、長大な契約書の全文解析、複数の技術文書を横断した情報抽出、長時間の会議記録の要約といったタスクを、文書を分割することなく一度に処理できます。

ただし、1Bモデルのコンテキストウィンドウは32Kトークンに制限されている点には注意が必要です。128Kトークンのフル活用には4B以上のモデルが求められます。長文処理のニーズが高い業務では、モデルサイズの選定が重要な判断ポイントです。

4種類のモデルサイズ

Gemma 3は、1B・4B・12B・27Bの4つのパラメータサイズで提供されており、用途やハードウェア環境に応じて最適なモデルを選択できます。

1Bモデルはテキスト専用の超軽量モデルで、スマートフォンやIoTデバイスなどのエッジ環境での動作に適しています。4Bモデルからマルチモーダル機能が利用可能になり、画像入力を含む一般的なタスクに対応します。12Bモデルは複雑な推論や高度な言語処理に強く、業務用途のバランスに優れたサイズです。27Bモデルは最高精度を誇り、高度な分析や大規模なコード生成など、精度が求められるタスクに最適です。

加えて、2025年8月には270Mの超軽量モデルもリリースされました。270Mモデルはタスク特化型のファインチューニングや、リソースが極めて限られた環境での利用を想定しています。このような幅広いサイズ展開により、エッジデバイスからワークステーションまで、あらゆる計算環境でGemma 3を活用できます。

出典:Google Developers Blog「Introducing Gemma 3 270M」

140以上の言語に対応

Gemma 3は140を超える言語での事前学習を行っており、多言語処理能力が大幅に強化されています。

特に35以上の言語については追加のチューニングなしで高品質な応答が可能な「アウト・オブ・ザ・ボックスサポート」が提供されています。日本語もこの対象に含まれており、日本語での質問応答や文章生成、翻訳タスクにおいて実用的な精度を発揮します。

多言語対応の強化は、グローバルに事業を展開する企業にとって大きなメリットです。たとえば、日本語と英語の社内文書を横断的に検索・要約したり、多言語のカスタマーサポートを単一のモデルで処理したりといった活用が現実的になります。

量子化モデル

Gemma 3は公式の量子化モデルを提供しており、メモリ使用量を大幅に削減しながら高い精度を維持できます。

量子化とは、モデルのパラメータを表現するデータ精度を下げる技術です。たとえば、通常16ビットで表現されるパラメータを4ビットに圧縮することで、モデルのファイルサイズとメモリ消費量を大幅に削減できます。Googleが提供するGemma QAT（Quantization-Aware Training、量子化対応学習）は、学習段階から量子化を考慮しているため、精度の劣化を最小限に抑えられる点が特徴です。

具体的には、27Bモデルの量子化版であれば、NVIDIA RTX 3090のような一般的なGPUでもローカル実行が可能です。高性能なサーバーを用意しなくても、ノートPCやデスクトップPCで本格的なLLMを動かせるため、個人開発者や中小企業にとっても導入のハードルが大きく下がります。

アーキテクチャの工夫

Gemma 3は、Sliding Window Attention（スライディングウィンドウアテンション）と5対1のインターリーブドアテンションにより、従来モデルよりも少ないメモリで長文処理を実現しています。

従来のTransformerモデルでは、すべてのトークン間の関係を計算するグローバルアテンションが用いられていました。しかし、入力が長くなるほどメモリ消費量が急増するという課題がありました。

Gemma 3では、近傍1,024トークンのみを参照するローカルアテンション層を5つ、全トークンを参照するグローバルアテンション層を1つという「5対1」の比率で交互に配置しています。この設計により、短距離と長距離の両方の文脈依存関係を捉えつつ、KVキャッシュ（推論時に保持する中間データ）のメモリ使用量を大幅に削減しています。

また、Gemma 2で採用されていたソフトキャップメカニズムに代わり、QK-norm（クエリ・キー正規化）を導入することで、精度向上と処理速度の高速化を同時に達成しています。こうしたアーキテクチャの改良が、単一GPUでの128Kトークン処理という高い効率性を支えています。

主要なLLMの性能比較については、「主要LLMを比較！GPT・Claude・Geminiの違いを徹底解説【最新】」の記事もあわせてご覧ください。

Gemma 3の性能

Gemma 3 27Bは、LMSys Chatbot ArenaにおいてEloスコア1,338を記録し、クローズドモデルを含むトップ10圏内に位置する性能を示しています。以下の表は、Gemma 3とGemma 2の主要ベンチマークスコアを比較したものです。

特に注目すべきは、MATHベンチマークにおける89.0%というスコアです。Gemma 2 27Bの55.6%から33ポイント以上の向上を示しており、数学的推論能力が飛躍的に強化されたことがわかります。MMLU-Proでも10ポイント以上の改善を達成し、知識の幅広さと推論の深さの両面で大きく進歩しています。

さらに、MMMU（マルチモーダル理解・推論）ベンチマークでは64.9%を記録しており、画像とテキストを組み合わせた理解力においても高い水準を示しています。Gemma 2にはなかったマルチモーダル評価で高スコアを出している点は、Gemma 3の大きな進化を象徴しています。

同パラメータ帯のオープンモデルと比較しても、Gemma 3 27Bは多くのベンチマークで競合モデルを上回る結果を出しており、ローカル実行可能なLLMとして高い実用性を備えたモデルです。

出典:Google DeepMind「Gemma 3」

Gemma 3でできること

Gemma 3のマルチモーダル対応や多言語処理、長大なコンテキストウィンドウを活かすことで、幅広いビジネスシーンでの実践的な活用が可能です。Gemma 3の代表的な4つのユースケースを紹介します。

• 多言語対応チャットボット
• コード生成
• 画像・動画データの解析
• 社内文書の要約・翻訳

多言語対応チャットボット

Gemma 3の140言語対応を活かすことで、多言語チャットボットの構築が現実的になります。

従来、多言語チャットボットを構築するには、言語ごとに個別のモデルを用意するか、翻訳APIを組み合わせる必要がありました。Gemma 3では単一モデルで複数言語の質問応答に対応できるため、システム構成がシンプルになり、運用コストも抑えられます。たとえば、日本語・英語・中国語・韓国語で寄せられるカスタマーサポートの問い合わせを、1つのGemma 3モデルで処理するといった運用が可能です。

オープンウェイトモデルであるため、自社のサーバーやクラウド環境にデプロイでき、顧客データを外部に送信せずに運用できる点も、セキュリティを重視する企業にとって大きな利点です。

コード生成

Gemma 3は自然言語による指示からコードの雛形や関数を自動生成でき、開発作業の効率化に貢献します。

LiveCodeBenchで29.7%のスコアを記録しており、コード生成タスクにおいても実用的な精度を備えています。たとえば、「PythonでCSVファイルを読み込み、売上データを月別に集計するスクリプトを書いて」といった自然言語の指示から、動作するコードを生成できます。

ローカル環境で動作するため、社内のソースコードや機密性の高い仕様書を参照しながらコード生成を行う場合でも、外部サービスへの情報漏洩リスクを回避できます。プロトタイプの迅速な作成やボイラープレートコードの自動化など、開発サイクルの短縮に直結するユースケースです。

画像・動画データの解析

マルチモーダル機能を活用することで、Gemma 3は画像認識や動画フレーム解析にも対応できます。

SigLIPエンコーダとPan & Scan手法により、高解像度の画像でも細部まで正確に認識できるため、製造業における製品の外観検査や、医療分野での画像所見の補助的な記述生成など、専門性の高い領域での活用が期待されます。動画についてはフレーム単位での解析が可能であり、監視カメラ映像の異常検知や、動画コンテンツのシーン分類といったタスクにも応用できます。

MMMUベンチマークで64.9%を記録している通り、画像とテキストを統合的に理解する能力は高い水準にあり、視覚情報を伴う業務の自動化・効率化に寄与するモデルです。

社内文書の要約・翻訳

128Kトークンのコンテキストウィンドウと多言語対応を組み合わせることで、Gemma 3は長文ドキュメントの要約や多言語間の翻訳において高い実用性を発揮します。

たとえば、100ページを超える技術仕様書の要点を抽出したり、日本語の社内マニュアルを英語に翻訳して海外拠点に共有したりといった業務を、文書を分割することなく一括で処理できます。従来のモデルではコンテキスト長の制限により文書を分割する必要があり、文脈の断絶による要約精度の低下が課題でした。Gemma 3の128Kトークン対応により、この問題が解消されます。

ローカル環境で処理できるため、機密性の高い社内文書を外部クラウドに送信する必要がなく、情報セキュリティの観点からも安心して活用できます。

AI活用の第一歩を「JAPAN AI CHAT」で

Gemma 3のようなオープンモデルの進化が示す通り、LLMの活用は企業の競争力を左右する時代に入っています。「自社でもAIを業務に取り入れたいが、どこから始めればよいかわからない」という方には、法人向け生成AIチャットJAPAN AI CHATがおすすめです。複数のAIモデルを用途に応じて使い分けられるマルチLLM対応と、社内データを活用した高精度RAGにより、現場で「使える回答」を実現します。上場企業水準のセキュリティ体制と専任担当による定着支援で、安心してAI活用を始められます。

貴社業務に特化したAIエージェントを搭載！

上場企業水準のセキュリティ環境と
活用支援を無償で提供

チャットツールなら JAPAN AI CHAT

上場企業水準のセキュリティ環境

豊富なテンプレートをご用意

自社開発のRAGで高回答精度を実現

外部連携機能をご提供

資料請求はこちら

Gemma 3とGemma 2の違い

Gemma 3は、前世代のGemma 2からマルチモーダル対応やコンテキスト長の拡大、多言語対応の強化など、複数の領域で大幅な進化を遂げています。Gemma 3とGemma 2の違いを、比較表でまとめました。

マルチモーダル入力に対応

Gemma 2はテキストのみを入力として受け付けるモデルでしたが、Gemma 3ではテキストに加えて画像の入力にも対応した点が大きな違いです。

この進化の背景には、GoogleがPaliGemmaシリーズで培ったビジョン言語モデルの技術があります。SigLIPエンコーダを統合することで、画像をトークン列として言語モデルに入力する仕組みが実現しました。テキストのみでは対応できなかった画像分析や図表の読み取り、視覚的な質問応答など、活用の幅が大きく広がっています。

128Kのコンテキストウィンドウ

コンテキストウィンドウは、Gemma 2の8KトークンからGemma 3では128Kトークンへと16倍に拡大した点でも大きく異なります。

この拡張を支えているのが、5対1のインターリーブドアテンション構造です。ローカルアテンション層を多用することでKVキャッシュのメモリ消費を抑え、限られたハードウェアリソースでも長大な入力を処理できるようになりました。8Kトークンでは数ページ分の文書しか扱えませんでしたが、128Kトークンであれば書籍1冊分の情報を一度に処理できます。

グローバル展開が加速

Gemma 2が主に英語を中心とした言語処理に特化していたのに対し、Gemma 3では140言語以上への対応が実現した点でも異なります。

データの混合比率を見直し、多言語コーパスの割合を大幅に増やしたことで、日本語を含む非英語圏の言語でも高い精度を発揮できるようになりました。35以上の言語についてはチューニングなしで実用レベルの応答が可能なアウト・オブ・ザ・ボックスサポートが提供されており、グローバルに事業を展開する企業にとって、多言語対応の負担を大幅に軽減できるモデルです。

Gemma 3とGeminiの違い

Gemma 3とGeminiはどちらもGoogleが開発したAIモデルですが、提供形態・規模・用途が根本的に異なるモデルです。以下の比較表に、Gemma 3とGeminiの違いをまとめました。

Geminiは、Googleが提供するクラウドベースの大規模商用モデルです。数千億から数兆規模のパラメータを持ち、Google検索やGoogleアプリに統合されるなど、Googleのエコシステム全体を支える基盤技術として位置づけられています。

一方で、Gemma 3はGeminiの研究成果を軽量モデルに落とし込んだオープンウェイトモデルであり、開発者が自由にダウンロードしてローカル環境で動かせる点が最大の違いです。

用途で選び分けると、データの外部送信を避けたい場合や自社業務に特化したファインチューニングを行いたい場合はGemma 3、最高精度の推論やGoogleサービスとの統合が必要な場合はGeminiが適しています。両者は競合関係ではなく、ニーズに応じて使い分ける補完的な関係にあります。

Gemma 3のライセンスと料金

Gemma 3は「Gemma Terms of Use」と呼ばれるGoogle独自のライセンス規約のもとで提供されており、商用利用を含む幅広い用途での利用が許可されています。

Gemma Terms of Useでは、禁止事項に該当しない限り、商用・非商用を問わずモデルの利用・複製・改変・配布が認められています。ただし、配布時には受領者に対してGemma Terms of Useの条件を通知し、利用制限を強制可能な条項を同梱する義務があります。

また、モデルの出力を利用して学習させた派生モデル（蒸留モデルなど）も「Model Derivatives」として同じライセンス条件が適用される点には注意が必要です。

なお、Googleはモデルの生成結果（Output）に対する権利を主張しないことが明記されており、Gemma 3で生成したテキストや分析結果は利用者が自由に活用できます。

料金面では、モデルのダウンロードとローカル実行は完全に無料です。Google AI Studioを通じたブラウザでの利用も無料枠が提供されています。実質的なコストは、モデルを動かすためのハードウェアや電力のみです。

一方、2026年4月に発表された後継モデルGemma 4では、ライセンスがApache 2.0に変更されました。Apache 2.0は配布時の制約がより少なく、派生モデルへの条件継承も不要であるため、商用利用のハードルがさらに下がっています。Gemma 3のライセンス条件に不安がある場合は、Gemma 4への移行も選択肢として検討する価値があります。

出典:Google AI for Developers「Gemma Terms of Use」

Gemma 3の使い方

Gemma 3を実際に使い始める方法は複数あり、ブラウザでの即時利用からローカル環境での本格運用まで、目的に応じた導入手段を選択できます。Gemma 3を使う代表的な3つの方法を紹介します。

• Google AI Studioで試す
• Ollamaでローカル起動する
• LM Studioで動かす

Google AI Studioで試す

Google AI Studioは、Googleが提供するブラウザベースのテスト環境であり、インストール不要でGemma 3を無料で試せます。利用手順は以下の通りです。

1. GoogleアカウントでGoogle AI Studioにアクセスする
2. モデル選択画面でGemma 3（任意のサイズ）を選択する
3. プロンプト入力欄にテキストを入力し、応答を確認する

GPUやローカル環境のセットアップが不要なため、Gemma 3の性能を手軽に確認したい場合に最適な方法です。APIキーを取得すれば、プログラムからの呼び出しも可能です。

Ollamaでローカル起動する

Ollamaは、ローカル環境でLLMを簡単に実行できるオープンソースツールであり、コマンド操作だけでGemma 3を導入・実行できます。導入手順は以下の通りです。

1. Ollamaの公式サイトからインストーラーをダウンロードし、インストールする
2. ターミナル（コマンドプロンプト）を開き、ollama run gemma3:12b のようにモデル名とサイズを指定して実行する
3. 初回実行時にモデルが自動ダウンロードされ、対話型のチャットが起動する

量子化モデルも提供されているため、ollama run gemma3:27b-q4 のように指定することで、メモリ消費を抑えた状態で大型モデルを動かすことも可能です。データを外部に送信せずにローカルで完結するため、セキュリティを重視する開発者や企業に適した導入方法です。

LM Studioで動かす

LM Studioは、GUI（グラフィカルユーザーインターフェース）を備えたLLM実行環境であり、コマンド操作なしでGemma 3を直感的に導入・利用できます。導入手順は以下の通りです。

1. LM Studioの公式サイトからアプリケーションをダウンロードし、インストールする
2. アプリ内の検索バーで「Gemma 3」を検索し、希望するモデルサイズと量子化レベルを選択してダウンロードする
3. ダウンロード完了後、チャット画面でモデルを読み込み、対話を開始する

LM Studioでは、Q4_K_MやQ5_K_Mなどの量子化レベルを選択できるため、PCのスペックに合わせて最適なバランスを見つけられます。たとえば、16GBのVRAMを搭載したGPUであれば、27Bモデルの4ビット量子化版をフルオフロードで動作させることが可能です。コマンドラインに不慣れなユーザーでも、視覚的な操作でローカルLLMを体験できる点が魅力です。

Gemma 4との違い

2026年4月2日に発表された後継モデルGemma 4は、Gemma 3からライセンス・アーキテクチャ・性能の全方位で進化を遂げています。以下の比較表で主な違いを整理します。

最も注目すべき変更点は、ライセンスのApache 2.0への移行です。Gemma 3のGemma Terms of Useでは派生モデルへのライセンス条件の継承が求められていましたが、Apache 2.0ではこの制約がなくなり、商用利用のハードルが大幅に下がりました。

アーキテクチャ面では、26B A4B MoE（Mixture of Experts、混合エキスパート）モデルが新たに追加されています。総パラメータは約252億ですが、推論時にアクティブになるのは約38億パラメータのみであるため、31B Denseモデルに近い性能を大幅に少ない計算コストで実現しています。コンテキストウィンドウも26B A4Bや31Bでは256Kトークンに拡大し、音声入力にも対応するなど、機能面でも着実に進化しています。

ただし、Gemma 3を引き続き使うべきケースもあります。既存のファインチューニング資産がGemma 3向けに構築されている場合や、安定性を重視してすでに検証済みのモデルを継続利用したい場合は、無理にGemma 4へ移行する必要はありません。Gemma 4のMoEモデルはMoE対応フレームワークが必要であり、移行にはチャットテンプレートやトークナイザーの変更への対応も求められます。

出典:Google「Gemma 4: Byte for byte, the most capable open models」
出典:Google AI for Developers「Gemma 4 model card」

Gemma 3に関してよくある質問

Gemma 3は無料で使えますか？

Gemma 3は無料で利用できます。Google AI Studioではブラウザ上で無料で試すことが可能であり、KaggleやHugging Faceからモデルをダウンロードしてローカル環境で実行する場合も費用はかかりません。商用利用についてはGemma Terms of Useに従う必要がありますが、禁止事項に該当しない限り、ライセンス料は不要です。

Gemma 3を動かすのに必要なPCスペックは？

必要なスペックはモデルサイズによって異なります。1Bや4Bモデルであれば8GB以上のRAMで動作可能であり、12Bモデルでは16GB以上、27Bモデルでは32GB以上のRAMとGPUの搭載が推奨されます。量子化モデルを利用すれば、これらの要件をさらに引き下げることが可能です。たとえば、27Bの4ビット量子化版であれば16GB VRAMのGPUでも動作します。

Gemma 3とGemma 4のどちらを使うべきですか？

用途に応じて選択するのが適切です。最新の性能やApache 2.0ライセンスによる商用利用の自由度を重視するならGemma 4が適しています。一方で、既存のファインチューニング資産を活用したい場合や、すでに検証済みの環境で安定運用を優先したい場合は、Gemma 3の継続利用が合理的な選択です。

Gemma 3を活用してAI開発を加速させよう

Gemma 3は、Googleが開発したオープンウェイトのマルチモーダルLLMであり、128Kトークンのコンテキストウィンドウ、140以上の言語対応、単一GPUでの動作という特徴を備えた、ローカル実行可能な高性能AIモデルです。商用利用を含む幅広い用途で無料で利用でき、量子化モデルにより一般的なPCでも本格的なAI活用を始められます。

後継のGemma 4も登場していますが、Gemma 3は豊富なコミュニティリソースと安定した実績を持ち、引き続き有力な選択肢です。まずはGoogle AI Studioで無料体験し、自社の業務にどのように活用できるかを検証してみてはいかがでしょうか。