Gemma 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 tarifa de acceso gratuito de pesos abiertos.
Technical Specifications
- Provider
- Category
- open-source
- Release Date
- 2025-06
- Batch API Discount
- Standard rate
- Consumer Subscription
- Free / Self-Hosted
- Reasoning Effort Control
- Fixed
- Structured Outputs
- Yes
- Output Modalities
- text
- Official Documentation
- Visit Official Docs ↗
Data Privacy, Licensing & Deployment Governance
Official Provider Release Intelligence, API Quotas & Agentic Specs
- Official API Model ID (SDK String)
- models/gemma-3n
- Supported SDK & API Protocol
- Google Gemini API (generateContent) + OpenAI-Compatible SDK
- Lifecycle & Deprecation Status
- Active GA (Guaranteed support through 2027+)
- Production Rate Limits (RPM & TPM)
- Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud
- Long-Context Pricing Tier (>128K / >200K)
- Free across full context window (only KV-cache VRAM scales)
- Prompt Cache Write & TTL Policy
- Automatic prefix KV-caching in vLLM / SGLang (0 cost)
- Computer Use & Browser GUI Agent
- 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
- Web Search Grounding & Code Sandbox
- Built-in Google Search Grounding + Managed Python Code Execution Sandbox
- Fine-Tuning & Distillation Support
- Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory)
- Multimodal Tokenization Billing
- Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) · Audio (~25–32 tokens/sec)
- Weights Precision & Quantization
- BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0)
- Minimum GPU VRAM Requirement
- 2 GB VRAM (4-bit Quantized) · 4 GB VRAM (Native BF16)
- Supported Inference Engines
- vLLM, SGLang, Ollama, llama.cpp, TensorRT-LLM, HuggingFace TGI
- System Card & Safety Framework
- Google DeepMind Frontier Safety Framework Verified
- Enterprise Compliance (SOC2 / HIPAA / ZDR)
- 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control
Gemma 3n Cost, Context, Hardware & API Integration
Open-weights or free-tier model: $0 API license cost when self-hosted.
Same Monthly Workload Cost Across Popular Reference Models
Live Prompt Paste Tokenizer & Cost Counter
Paste real system instructions, JSON schemas, or code to measure BPE token counts across tokenizers.
Hybrid Prompt Routing Cascade Simulator
Route routine queries to a fast lightweight model ($0.15/1M) and escalate only complex reasoning turns to Gemma 3n:
Benchmark Scores & 6-Axis Capability Radar
- MMLU-Pro
- 64%
- HumanEval
- 71%
- Chatbot Arena Elo
- 1220pts
Strengths
- 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
Limitations & 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
Editorial Assessment
Con una puntuación de inteligencia de 52/100, contexto de 32K y 150 tok/s, Gemma 3n destaca como una opción sumamente sólida dentro del ecosistema de Google.
Best for: Ideal para síntesis de voz natural, transcripción acústica y procesamiento de audio en tiempo real, sistemas RAG empresariales y automatización mediante API.
Compare Gemma 3n
Frequently Asked Questions about Gemma 3n
How much does the Gemma 3n API cost per 1M tokens?+
Gemma 3n by Google is priced at $0 per 1M input tokens and $0 per 1M output tokens. With prompt caching enabled, cached input tokens cost $0 per 1M tokens, and asynchronous Batch API requests receive a 0% discount.
Should I use a $20/month subscription or the Gemma 3n pay-as-you-go API?+
A flat $20/month consumer subscription is predictable for daily interactive chat and manual coding. However, if you are building software, running automated workflows, or sending low-to-moderate volume with prompt caching enabled, the pay-as-you-go API is typically far more cost-effective and offers higher rate limits without manual UI caps.
How many words and pages fit in Gemma 3n's context window?+
Gemma 3n features a 32K tokens context window, which equals approximately 24,000 English words or ~64 standard single-spaced pages in a single prompt. Its maximum output generation per turn is 4,096 tokens.
Can I run Gemma 3n locally on my own GPU (Open Weights)?+
Yes, Gemma 3n (2B / 5B) releases open weights that can be self-hosted locally or on private cloud GPUs using vLLM, Ollama, SGLang, or llama.cpp.
Does Google train on data sent to the Gemma 3n API, and is commercial use allowed?+
100% Isolated when self-hosted on private GPUs or VPC. License tier: Open-Weights Research & Commercial License. Full commercial ownership of generated outputs. Supported deployment channels include: Self-Hosted GPU (vLLM / Ollama), Private VPC, or Managed Serverless API.
How does Gemma 3n perform on coding and reasoning benchmarks?+
Gemma 3n achieves a composite Intelligence Index of 52/100, scoring N/A% on SWE-bench Verified, N/A% on GPQA Diamond, 64% on MMLU-Pro, and 1220 pts on Chatbot Arena Elo.
What is Gemma 3n best used for?+
Gemma 3n is best suited for: Ideal para síntesis de voz natural, transcripción acústica y procesamiento de audio en tiempo real, sistemas RAG empresariales y automatización mediante API.. Assessment: Con una puntuación de inteligencia de 52/100, contexto de 32K y 150 tok/s, Gemma 3n destaca como una opción sumamente sólida dentro del ecosistema de Google.
Google Family Lineage, Routing Tiers & Upgrade Path
Step down to a lighter sibling for high-volume routing or step up to Google's flagship reasoning tier:
Gemini 4 Argon
Gemini 3.8 Flash
Gemini 3.7 Flash
Gemini 3.6 Flash
Gemini 3.5 Flash-Lite
Gemini Omni Flash
AI Glossary & Architecture Concepts
View full glossary →Key machine learning concepts and benchmarks relevant to Gemma 3n:
La unidad básica de texto que procesa un modelo de lenguaje, que normalmente equivale a 3 o 4 caracteres o aproximadamente 0,75 palabras. Por ejemplo, una frase típica se divide en varios tokens.
Un conjunto estandarizado de pruebas para evaluar y comparar objetivamente las capacidades de distintos modelos de IA en tareas como programación (SWE-bench) o matemáticas avanzadas (AIME).
La cantidad máxima de tokens que un modelo puede considerar a la vez, incluyendo tanto la entrada que lee como la salida que genera. Una ventana de 1.000.000 de tokens puede procesar unas 750.000 palabras en una sola petición.
La capacidad de un modelo de detectar la necesidad de una función externa y emitir argumentos JSON estructurados para ejecutar API, búsquedas web o consultas a bases de datos.
Un protocolo abierto desarrollado por Anthropic que permite a los agentes de IA conectarse de forma estandarizada a sistemas de archivos locales, entornos de desarrollo y servicios externos.
Una red neuronal multimodal diseñada para interpretar, razonar y generar contenido combinando simultáneamente imágenes, diagramas, capturas de pantalla y texto en lenguaje natural.
Las puntuaciones de benchmarks, precios por token y límites de tasa evolucionan rápidamente. Verifique siempre las especificaciones actuales en la documentación oficial del proveedor.