Gemma 3 vs Gemma 2
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Gemma 3 de Google et Gemma 2 de Google sont deux modèles d’IA de premier plan. Gemma 3 propose une fenêtre de contexte de 131.1K tokens au tarif de $0.00/$0.00 par million de tokens, tandis que Gemma 2 offre 8.2K tokens de contexte à $0.00/$0.00 par million de tokens. Découvrez ci-dessous le comparatif détaillé des performances et des coûts.
Changez et Comparez les Modèles
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Gemma 3
IA Multimodale NativeGemma 3 de Google est un modèle d’IA conçu pour la compréhension multimodale native (texte, vision) et l’analyse de documents complexes, offrant une fenêtre de contexte de 131K, une vitesse de 105 tokens/s, un indice d’intelligence de 68/10
$0.00 / 1M
$0.00 / 1M
131.1K tokens
N/A
Gemma 2
Modèle de Base à Poids OuvertsGemma 2 de Google est un modèle d’IA conçu pour l’auto-hébergement sur infrastructure privée, le fine-tuning et la souveraineté des données, offrant une fenêtre de contexte de 8K, une vitesse de 110 tokens/s, un indice d’intelligence de 58/
$0.00 / 1M
$0.00 / 1M
8.2K tokens
N/A
Différences Clés en un Coup d’Œil
- Both models cost the same under this workload — choose on capability, not price.
- Gemma 3 has a larger context window (131K vs 8K tokens).
- Gemma 2 is faster at 110 tok/s vs 105 tok/s.
| Caractéristique | Gemma 3 | Gemma 2 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 68 | 58 |
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 | 131.1K tokens~197 A4 pages of text | 8.2K tokens~12 A4 pages of text |
Max Output Tokens Per single request | 16K | 4K |
Throughput Speed Tokens generated per second | 105 tok/s | 110 tok/s |
SWE-bench Verified Real-world software engineering | N/A | N/A |
GPQA Diamond Graduate-level reasoning | 61% | N/A |
Qui gagne où ?
At-a-glance decision frameworkEvaluations ongoing
Scores de Benchmarks Vérifiés
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.
Latence et Temps de Réponse
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Simulateur Interactif de Coût de Tokens
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Gemma 3 · Strengths & Key Advantages
- Fenêtre de contexte de 131K et capacité de sortie maximale de 16K tokens (GPQA Diamond 61% · MMLU-Pro 78%)
- Débit rapide de 105 tokens/seconde avec une latence au premier token (TTFT) de 320 ms
- Poids ouverts (1B / 4B / 12B / 27B) permettant un déploiement sur site ou cloud privé via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Nécessite des serveurs GPU dotés de suffisamment de mémoire VRAM pour l’inférence locale à pleine précision
- Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs
Gemma 2 · Strengths & Key Advantages
- Fenêtre de contexte de 8K et capacité de sortie maximale de 4K tokens (MMLU-Pro 68.5% · Arena Elo 1250)
- Débit rapide de 110 tokens/seconde avec une latence au premier token (TTFT) de 300 ms
- Poids ouverts (2B / 9B / 27B) permettant un déploiement sur site ou cloud privé via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Nécessite des serveurs GPU dotés de suffisamment de mémoire VRAM pour l’inférence locale à pleine précision
- Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Gemma 3 | Gemma 2 |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.00 | $0.00 |
Output Tokens / Task Tokens generated per task | 5K | 3K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
Spécifications Techniques
Architecture, release timeline, capabilities, and modalities.
| Caractéristique | Gemma 3 | Gemma 2 |
|---|---|---|
| Official API Model ID (SDK) | models/gemma-3 | models/gemma-2 |
| API Protocol | Google Gemini API (generateContent) + OpenAI-Compatible SDK | Google Gemini API (generateContent) + OpenAI-Compatible SDK |
| Release Date | 2025-03 | 2024-06 |
| Knowledge Cutoff | December 2024 | May 2024 |
| Architecture | Native multimodal open transformer with expanded context | Dense transformer with sliding window attention and soft-capping |
| Parameters | 1B / 4B / 12B / 27B | 2B / 9B / 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) | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) |
| 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) | Text BPE (~4 chars/token) |
| 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 | text |
| Output Modalities | text | text |
Gemma 3 vs Gemma 2: Réponses Rapides (FAQ)
Which is more intelligent, Gemma 3 or Gemma 2?
Gemma 3 is more intelligent. It scores 68 compared with 58 on the composite Intelligence Index.
Which model is faster?
Gemma 2 is faster, generating 110 tokens per second compared with 105 tokens per second.
Which model has lower latency?
Gemma 2 has lower latency, with a time to first token of 0.30s compared with 0.32s.
Which model has a larger context window?
Gemma 3 has a larger context window, supporting 131.1K tokens compared with 8.2K tokens.
Verdict
Gemma 3 (Conçu pour la compréhension multimodale native (texte, vision) et l’analyse de documents complexes, l’intégration RAG et les pipelines de production évolutifs.) et Gemma 2 (Conçu pour l’auto-hébergement sur infrastructure privée, le fine-tuning et la souveraineté des données, l’intégration RAG et les pipelines de production évolutifs.) répondent à des besoins complémentaires : Gemma 3 domine sur les benchmarks de raisonnement et de programmation, Gemma 2 assure un débit supérieur et Gemma 3 offre le meilleur rapport coût-efficacité en production.
Questions fréquentes
Quel modèle choisir pour le code et le raisonnement, Gemma 3 ou Gemma 2 ?+
Sur l’indice d’intelligence composite et les tests de code, Gemma 3 prend l’avantage. Consultez les scores SWE-bench et GPQA ci-dessus pour plus de détails.
Quelle est la différence de prix API entre Gemma 3 et Gemma 2 ?+
Gemma 3 est facturé $0.00 / $0.00 par million de tokens (entrée/sortie) contre $0.00 / $0.00 pour Gemma 2. En coût pondéré, Gemma 3 est plus économique.
Quel modèle offre la plus grande fenêtre de contexte et la meilleure vitesse ?+
Gemma 3 prend en charge 131.1K tokens contre 8.2K tokens pour Gemma 2. Côté vitesse de génération, Gemma 2 est le plus rapide.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- ERNIE Lite vs Gemma 2 : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Gemma 3 vs Llama 4 Scout : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Gemma 3n vs Gemma 3 : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aion-3.0 vs Aion-Mini : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aion-3.0 vs Gemini 3.6 Flash : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aion-Mini vs Laguna XS 2.1 : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
Les scores de benchmarks, tarifs par token et limites évoluent rapidement. Vérifiez toujours les spécifications actuelles sur la documentation officielle du fournisseur.
Sources: Documentation API officielle de Google et Google, fiches système et benchmarks indépendants (2026).