Gemma 3n vs Gemma 3
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Gemma 3n de Google y Gemma 3 de Google compiten directamente en el ecosistema actual de IA. Gemma 3n ofrece una ventana de contexto de 32K tokens a $0.00/$0.00 por millón de tokens (entrada/salida), mientras que Gemma 3 ofrece 131.1K tokens de contexto a $0.00/$0.00 por millón de tokens. Analizamos sus benchmarks, latencia y costos reales.
Cambia y Compara Cualquier Modelo
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Gemma 3n
Modelo de Voz y Audio NativoGemma 3n de Google es un modelo de IA diseñado para síntesis de voz natural, transcripción acústica y procesamiento de audio en tiempo real, con ventana de contexto de 32K, velocidad de 150 tokens/s, índice de inteligencia de 52/100 y tarif
$0.00 / 1M
$0.00 / 1M
32K tokens
N/A
Gemma 3
IA Multimodal NativaGemma 3 de Google es un modelo de IA diseñado para comprensión multimodal nativa de texto e imagen y análisis visual de documentos, con ventana de contexto de 131K, velocidad de 105 tokens/s, índice de inteligencia de 68/100 y tarifa de acc
$0.00 / 1M
$0.00 / 1M
131.1K tokens
N/A
Diferencias Clave de un Vistazo
- Both models cost the same under this workload — choose on capability, not price.
- Gemma 3 has a larger context window (131K vs 32K tokens).
- Gemma 3n is faster at 150 tok/s vs 105 tok/s.
| Característica | Gemma 3n | Gemma 3 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 52 | 68 |
Provider | ||
Input Price Cost per million input tokens | $0.00 / 1M | $0.00 / 1M |
Output Price Cost per million output tokens | $0.00 / 1M | $0.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.00 / 1M | $0.00 / 1M |
Context Window Maximum input + output tokens | 32K tokens~48 A4 pages of text | 131.1K tokens~197 A4 pages of text |
Max Output Tokens Per single request | 4K | 16K |
Throughput Speed Tokens generated per second | 150 tok/s | 105 tok/s |
SWE-bench Verified Real-world software engineering | N/A | N/A |
GPQA Diamond Graduate-level reasoning | N/A | 61% |
¿Quién gana en cada área?
At-a-glance decision frameworkEvaluations ongoing
Puntuaciones de Benchmarks Verificadas
Official evaluation metrics verified by independent third-party research labs.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Tokens emitted per second during active generation streaming.
Latencia y Tiempo de Respuesta
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Simulador Interactivo de Costos de Tokens
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Gemma 3n · Strengths & Key Advantages
- Ventana de contexto de 32K con hasta 4K tokens de salida máxima (MMLU-Pro 64% · Arena Elo 1220)
- Rendimiento ágil de 150 tokens/segundo con latencia inicial (TTFT) de solo 220 ms
- Pesos abiertos (2B / 5B) listos para autoalojamiento local o en nube privada mediante vLLM y Ollama
Considerations & Trade-offs
- Requiere infraestructura GPU dedicada con suficiente memoria VRAM para inferencia local sin cuantización
- En demostraciones científicas extremas, los modelos de razonamiento pesado de gama alta ofrecen mayor profundidad
Gemma 3 · Strengths & Key Advantages
- Ventana de contexto de 131K con hasta 16K tokens de salida máxima (GPQA Diamond 61% · MMLU-Pro 78%)
- Rendimiento ágil de 105 tokens/segundo con latencia inicial (TTFT) de solo 320 ms
- Pesos abiertos (1B / 4B / 12B / 27B) listos para autoalojamiento local o en nube privada mediante vLLM y Ollama
Considerations & Trade-offs
- Requiere infraestructura GPU dedicada con suficiente memoria VRAM para inferencia local sin cuantización
- En demostraciones científicas extremas, los modelos de razonamiento pesado de gama alta ofrecen mayor profundidad
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Gemma 3n | Gemma 3 |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.00 | $0.00 |
Output Tokens / Task Tokens generated per task | 3K | 5K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
Especificaciones Técnicas
Architecture, release timeline, capabilities, and modalities.
| Característica | Gemma 3n | Gemma 3 |
|---|---|---|
| Official API Model ID (SDK) | models/gemma-3n | models/gemma-3 |
| API Protocol | Google Gemini API (generateContent) + OpenAI-Compatible SDK | Google Gemini API (generateContent) + OpenAI-Compatible SDK |
| Release Date | 2025-06 | 2025-03 |
| Knowledge Cutoff | March 2025 | December 2024 |
| Architecture | Edge-optimized multimodal transformer with audio support | Native multimodal open transformer with expanded context |
| Parameters | 2B / 5B | 1B / 4B / 12B / 27B |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Free across full context window (only KV-cache VRAM scales) | Free across full context window (only KV-cache VRAM scales) |
| Prompt Cache Policy & TTL | Automatic prefix KV-caching in vLLM / SGLang (0 cost) | Automatic prefix KV-caching in vLLM / SGLang (0 cost) |
| Computer Use / GUI Agent | Supported (Screen coordinate grounding, browser & desktop GUI action loops) | Supported (Screen coordinate grounding, browser & desktop GUI action loops) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Built-in Google Search Grounding + Managed Python Code Execution Sandbox | Built-in Google Search Grounding + Managed Python Code Execution Sandbox |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) · Audio (~25–32 tokens/sec) | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 2 GB VRAM (4-bit Quantized) · 4 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 2 GB VRAM (4-bit Quantized) · 4 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Google DeepMind Frontier Safety Framework Verified | Google DeepMind Frontier Safety Framework Verified |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text, vision, audio | text, vision |
| Output Modalities | text | text |
Gemma 3n vs Gemma 3: Respuestas Rápidas (FAQ)
Which is more intelligent, Gemma 3n or Gemma 3?
Gemma 3 is more intelligent. It scores 68 compared with 52 on the composite Intelligence Index.
Which model is faster?
Gemma 3n is faster, generating 150 tokens per second compared with 105 tokens per second.
Which model has lower latency?
Gemma 3n has lower latency, with a time to first token of 0.22s compared with 0.32s.
Which model has a larger context window?
Gemma 3 has a larger context window, supporting 131.1K tokens compared with 32K tokens.
Veredicto
Tanto Gemma 3n (Ideal para síntesis de voz natural, transcripción acústica y procesamiento de audio en tiempo real, sistemas RAG empresariales y automatización mediante API.) como Gemma 3 (Ideal para comprensión multimodal nativa de texto e imagen y análisis visual de documentos, sistemas RAG empresariales y automatización mediante API.) destacan en producción: Gemma 3 lidera en inteligencia general y programación, Gemma 3n ofrece mayor velocidad de generación de tokens y Gemma 3n resulta más rentable para cargas de trabajo API de alto volumen.
Preguntas frecuentes
¿Cuál es mejor para programación y razonamiento, Gemma 3n o Gemma 3?+
En las pruebas de inteligencia compuesta y resolución de código, Gemma 3 obtiene la ventaja. Puedes revisar la tabla SWE-bench y GPQA arriba para comparar cada métrica.
¿Cuánto cuesta la API de Gemma 3n frente a Gemma 3?+
Gemma 3n cuesta $0.00 / $0.00 por millón de tokens de entrada/salida, mientras que Gemma 3 cuesta $0.00 / $0.00. En costo combinado, Gemma 3n es la opción más económica.
¿Qué modelo tiene mayor ventana de contexto y menor latencia?+
Gemma 3n cuenta con 32K tokens de contexto frente a 131.1K tokens de Gemma 3. En velocidad de inferencia, Gemma 3n ofrece un rendimiento superior.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Command A Vision vs. Gemma 3n: Comparativa de Benchmarks, Precios API y Velocidad (2026)Comparar
- Gemma 3 vs. Gemma 2: Comparativa de Benchmarks, Precios API y Velocidad (2026)Comparar
- Gemma 3 vs. Llama 4 Scout: Comparativa de Benchmarks, Precios API y Velocidad (2026)Comparar
- Aion-3.0 vs. Aion-Mini: Comparativa de Benchmarks, Precios API y Velocidad (2026)Comparar
- Aion-3.0 vs. Gemini 3.6 Flash: Comparativa de Benchmarks, Precios API y Velocidad (2026)Comparar
- Aion-Mini vs. Laguna XS 2.1: Comparativa de Benchmarks, Precios API y Velocidad (2026)Comparar
Las puntuaciones de benchmarks, precios por token y límites de tasa evolucionan rápidamente. Verifique siempre las especificaciones actuales en la documentación oficial del proveedor.
Fuentes: Documentación oficial de API de Google y Google, tarjetas de sistema y benchmarks independientes (2026).