Gemma 4是谷歌於2026年4月2日推出的新一代開源大模型系列。該模型基於與Gemini 3相同的研究和技術體系構建，專為高級推理與智慧型體工作流打造。谷歌推出了四種規格的通用模型，覆蓋從移動設備到工作站的完整算力梯度。其中31B稠密模型在行業標準Arena AI文本榜單中位列全球開源模型第三。模型具備多步規劃、複雜邏輯推理和代碼生成能力，基於超過140種語言訓練，全系支持圖像和視頻處理，部分規格支持原生音頻輸入。該系列採用Apache 2.0許可證，對商業使用限制較少。自第一代發布以來，Gemma系列累計下載量已超過4億次。
基本介紹
- 外文名：Gemma 4
- 所屬公司 ：谷歌
簡介,發展歷史,技術特點,模型規格,性能表現,套用與部署,發布與許可,
簡介
Gemma 4大模型包括四種規格的通用模型：高效20億參數版（E2B）、高效40億參數版（E4B）、260億混合專家模型（MoE）與310億稠密模型（31B）。根據谷歌發布信息，這四種規格旨在適配從移動設備、筆記本電腦到開發工作站和加速器等不同硬體環境。其中較大模型（如26B、31B）可在個人電腦等設備上支持更高水平的離線推理，而小型模型（如E2B、E4B）則更側重於移動端和物聯網設備上的低延遲、多模態和離線運行能力。
Gemma 4是谷歌於2026年4月2日推出的新一代開源模型，其核心定位是‘為高級推理與智慧型體工作流打造’，追求‘單位參數智慧型水平’的提升，基於與Gemini 3模型相同的研究和技術體系構建，對商業使用限制較少。該模型可用於高級推理與智慧型體工作流，全系產品支持複雜邏輯處理。該模型基於超過140種語言訓練，具備多步規劃和複雜邏輯推理能力，可用於構建智慧型體，同時支持代碼生成等任務。在行業標準Arena AI文本排行榜上，其31B稠密模型位列全球開源模型第三，26B混合專家模型位列第六。其設計注重參數效率。端側模型E2B和E4B具備多模態能力，並注重低延遲處理與生態集成。該系列模型採用寬鬆的Apache 2.0許可證發布，消除了商業使用限制。
發展歷史
台北時間2026年4月3日凌晨（當地時間4月2日），谷歌正式推出Gemma 4大模型。官方表示，該模型為開源模型，專注於高級推理與智慧型體工作流。該模型基於與Gemini 3相同的研究和技術體系構建，並以Apache 2.0許可證發布。
本次推出四種規格的Gemma 4通用模型：高效20億參數版（E2B）、高效40億參數版（E4B）、260億混合專家模型（MoE）與310億稠密模型（31B）。其中31B模型在行業標準Arena AI文本榜單中位列全球開源模型第三，26B模型位居第六。
此外，谷歌在公告中說，Gemma自第一代發布以來，累計下載量已超過4億次，衍生模型變體超過10萬個。
此次發布覆蓋了從移動設備到工作站的多種硬體環境。
技術特點
Gemma 4具備多步規劃與深度邏輯鏈推理能力，能夠處理複雜的數學問題、指令遵循等需要高級邏輯推理的任務。其31B Dense模型在Arena AI文本排行榜的開放模型中排名第三，26B MoE模型排名第六，性能表現超越了許多參數量更大的模型。
模型原生內置函式調用（function-calling）、結構化JSON輸出和系統指令支持，無需額外調整即可便捷地構建能夠與外部工具、API進行互動並執行多步驟計畫的自主智慧型體（AI Agent）。
支持高質量的離線代碼生成功能，可將本地工作站轉變為AI編程助手，在無網路連線的環境下輔助開發。
全系列模型均原生支持圖像和視頻處理，並支持可變解析度輸入。其中，專為邊緣設備設計的E2B和E4B模型額外支持原生音頻輸入，可實現實時的語音識別與理解，所有處理可在設備本地完成。
模型具備超長的上下文處理能力。其中，E2B和E4B模型支持128K上下文視窗，而26B MoE和31B Dense模型最高支持256K上下文視窗，足以在單次提示中處理整個代碼庫或長篇文檔。
模型基於超過140種語言進行訓練，具備廣泛的多語言理解與生成能力。此外，模型採用Apache 2.0許可證發布，商業使用限制較少。26B和31B大模型經過量化後可在消費級GPU上運行，而E2B和E4B小模型通過與高通、聯發科等硬體廠商合作最佳化，可直接在Android手機、樹莓派等邊緣設備上實現完全離線、低延遲的部署。
模型規格
Gemma 4共發布了四種規格的通用模型，覆蓋從邊緣設備到高性能伺服器的全場景。
高效20億參數版（E2B）和高效40億參數版（E4B）專為移動設備、物聯網設備等邊緣場景設計。E2B和E4B通過“每層嵌入”等技術，在推理時實際激活的參數更少，E2B總參51億實際激活約20億，E4B總參80億實際激活約45億，以實現低功耗、低延遲的本地運行。E2B和E4B支持原生音頻輸入，可直接進行語音識別與理解，上下文視窗可達128K。
260億混合專家模型（26BMoE）採用混合專家架構（MoE），總參260億，推理時僅激活約38億個參數。26B MoE模型支持圖像和視頻輸入，上下文視窗最高可達256K。
310億稠密模型（31B Dense）是追求最高輸出質量的稠密模型，總參310億。31B Dense模型支持圖像和視頻輸入，上下文視窗最高可達256K。在行業標準Arena AI文本榜單中，31B模型位列全球開源模型第三。
所有模型均基於超過140種語言訓練，具備高級推理與智慧型體工作流能力，原生支持函式調用和結構化JSON輸出，並採用Apache 2.0許可證發布。
性能表現
Gemma 4系列包含四個版本，其中31B Dense和26B MoE模型面向高性能計算，E2B和E4B模型則針對邊緣和移動設備進行了最佳化。該系列模型在多項行業基準測試中表現突出。在行業標準Arena AI文本排行榜上，Gemma 4的31B Dense模型在開放模型中排名第三，26B MoE模型排名第六。在具體任務能力上，31B Dense模型在AIME 2026數學測試中得分89.2%，在LiveCodeBench編程測試中得分80.0%，在Codeforces ELO算法競賽編程測試達到2150分；26B MoE模型在AIME 2026和LiveCodeBench測試中分別得分88.3%和77.1%；E4B模型在同樣的測試中分別得分42.5%和52.0%。其性能表現體現了較高的參數效率。例如，26B MoE模型在推理時僅激活38億參數，卻在基準測試中優於參數量達數百億乃至數千億級別的其他模型；31B Dense模型的表現也超過了許多規模為其20倍的模型。
套用與部署
Gemma 4提供四種規格以適配從移動設備、筆記本電腦到開發工作站和加速器等不同硬體環境。其中26B混合專家模型（MoE）和31B稠密模型主要面向配備強大GPU（如NVIDIA H100）的工作站和伺服器，旨在提供高效的推理能力。經過量化後，這兩個大模型也可在消費級GPU上運行。較小的E2B和E4B模型則專為邊緣設備設計，其從底層最佳化了算力與記憶體效率，可在Android智慧型手機、樹莓派（Raspberry Pi）、NVIDIA Jetson Orin Nano等設備上實現完全離線、低延遲的運行。
為最佳化邊緣部署體驗，谷歌已與高通（Qualcomm）、聯發科（MediaTek）等移動晶片廠商展開深度合作，進行硬體級最佳化。對於Android開發者，現已可通過AICore開發者預覽版進行Gemma 4智慧型體流程的原型設計與開發，並與未來的Gemini Nano 4保持向前兼容。
Gemma 4模型可通過Google Cloud直接訪問。其採用Apache 2.0許可證的開放權重版本已在Hugging Face、Kaggle、Ollama等主流平台上線。在推理框架支持方面，Gemma 4已獲得vLLM、llama.cpp等主流開源推理框架的支持。
發布與許可
台北時間2026年4月3日凌晨（當地時間4月2日），谷歌正式推出Gemma 4大模型。
此次發布最大的變化之一是許可證從谷歌自定義的Gemma許可證變更為寬鬆的Apache 2.0許可證，旨在回應開發者社區反饋，允許企業自由部署、修改和商用。
谷歌強調這些模型在基礎設施安全方面遵循與專有模型相同的嚴格安全協定。
