Gemma 3n E2B Instructed LiteRT (Preview)
Gemma 3n E2B Instructed LiteRT (Preview) est un LLM Google publié le 20 mai 2025, sous licence Gemma avec poids ouverts et usage commercial autorisé. Avec 2 milliards de paramètres, il appartient à la catégorie des petits modèles de sa génération.
Gemma 3n E2B Instructed LiteRT (Preview) est un LLM Google publié le 20 mai 2025, sous licence Gemma avec poids ouverts et usage commercial autorisé. Avec 2 milliards de paramètres, il appartient à la catégorie des petits modèles de sa génération.
Son ancienneté, environ un an, est déjà très longue à l’échelle de l’IA. La fiche se lit donc surtout comme le portrait d’un modèle de 2025, à comparer aux LLM de sa période plutôt qu’aux modèles haut de gamme actuels.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | |
| Licence | Gemma (open-weights, usage commercial autorisé) |
| Date de sortie | 20 mai 2025 |
| Connaissances jusqu'à | 2024-06-01 |
| Multimodal | oui |
| Paramètres | 2 milliards |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| PIQA | 78,9 % | 8ᵉ / 11 | llm-stats | Auto-déclaré |
| BoolQ | 76,4 % | 9ᵉ / 10 | llm-stats | Auto-déclaré |
| ARC-E | 75,8 % | 6ᵉ / 8 | llm-stats | Auto-déclaré |
| HellaSwag | 72,2 % | 22ᵉ / 27 | llm-stats | Auto-déclaré |
| Winogrande | 66,8 % | 20ᵉ / 22 | llm-stats | Auto-déclaré |
| HumanEval | 66,5 % | 59ᵉ / 65 | llm-stats | Auto-déclaré |
| TriviaQA | 60,8 % | 16ᵉ / 18 | llm-stats | Auto-déclaré |
| MMLU | 60,1 % | 96ᵉ / 98 | llm-stats | Auto-déclaré |
| Global-MMLU-Lite | 59,0 % | 11ᵉ / 14 | llm-stats | Auto-déclaré |
| MBPP | 56,6 % | 30ᵉ / 33 | llm-stats | Auto-déclaré |
| Global-MMLU | 55,1 % | 4ᵉ / 5 | llm-stats | Auto-déclaré |
| DROP | 53,9 % | 25ᵉ / 29 | llm-stats | Auto-déclaré |
| MGSM | 53,1 % | 28ᵉ / 30 | llm-stats | Auto-déclaré |
| ARC-C | 51,7 % | 31ᵉ / 34 | llm-stats | Auto-déclaré |
| Social IQa | 48,8 % | 8ᵉ / 9 | llm-stats | Auto-déclaré |
| BIG-Bench Hard | 44,3 % | 18ᵉ / 20 | llm-stats | Auto-déclaré |
| WMT24++ | 42,7 % | 20ᵉ / 23 | llm-stats | Auto-déclaré |
| MMLU-Pro | 40,5 % | 121ᵉ / 125 | llm-stats | Auto-déclaré |
| Include | 38,6 % | 30ᵉ / 31 | llm-stats | Auto-déclaré |
| HiddenMath | 27,7 % | 11ᵉ / 13 | llm-stats | Auto-déclaré |
| GPQA | 24,8 % | 208ᵉ / 213 | llm-stats | Auto-déclaré |
| LiveCodeBench v5 | 18,6 % | 8ᵉ / 9 | llm-stats | Auto-déclaré |
| Natural Questions | 15,5 % | 6ᵉ / 7 | llm-stats | Auto-déclaré |
| LiveCodeBench | 13,2 % | 67ᵉ / 72 | llm-stats | Auto-déclaré |
| Codegolf v2.2 | 11,0 % | 3ᵉ / 4 | llm-stats | Auto-déclaré |
| MMLU-ProX | 8,1 % | 31ᵉ / 32 | llm-stats | Auto-déclaré |
| AIME 2025 | 6,7 % | 107ᵉ / 108 | llm-stats | Auto-déclaré |
| ECLeKTic | 2,5 % | 5ᵉ / 8 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Notre analyse
Forces. À sa sortie, Gemma 3n E2B Instructed LiteRT (Preview) figurait dans le haut du panier de sa génération sur GPQA, un benchmark centré sur des questions scientifiques difficiles. Ce positionnement est notable pour un modèle de 2 milliards de paramètres, nettement plus compact que les grands LLM généralistes. Sa licence Gemma, avec poids ouverts et usage commercial autorisé, en faisait aussi un candidat exploitable hors des seuls services fermés de Google. Sa date de coupure des connaissances, fixée au 2024-06-01, le situe dans la vague de modèles entraînés sur des données récentes pour son époque.
Limites et points d'attention. Le statut Preview indique une version non présentée comme finale. L’ancienneté d’environ un an pèse lourd dans un marché où les performances progressent vite, ses résultats sont aujourd’hui probablement largement dépassés par les modèles plus récents et ce type de version est souvent retiré des catalogues d’éditeur. La couverture documentaire repose sur une seule source de données concordante, ce qui limite la robustesse des comparaisons publiques. Aucun chiffre vérifié n’est fourni ici sur le coût d’entraînement, le calcul mobilisé ou un tarif d’usage, donc l’évaluation économique ne peut pas être établie à partir des données disponibles.
Sources des données : LLM-Stats (llm-stats.com).