今天凌晨，Google DeepMind 发布了新一代开源模型 Gemma 4，以 30B 左右的参数，逼近其他头部开源模型。
Gemma 是 Google 的开源模型系列，和闭源旗舰 Gemini 共享底层技术，权重完全公开，任何人可以下载、修改、部署。上一代 Gemma 3 是 2025 年 3 月发布的，到这次更新整整一年。
苏米注：在这一年里，国内几家开源模型已经迭代了好几轮，Google 在开源赛道的存在感越来越弱。这次 Gemma 4 的发布，算是 Google 的强势回归。
四款模型规格
Gemma 4 发布了四个版本，分大模型组和小模型组，覆盖了手机到工作站全场景。
31B Dense（旗舰版）
- 310 亿参数全激活，60 层，256K 上下文
- 追求质量上限，Arena AI 开源排行榜第三
- 未量化 bfloat16 权重一张 80GB H100 就能装下，量化后消费级显卡也能跑
26B A4B MoE（性价比之选）
- 252 亿总参数、38 亿激活参数，MoE 架构（128 个专家，每次激活 8 个 +1 个共享）
- 30 层，256K 上下文，推理速度接近 4B 模型，质量远超 4B 水平
- Arena AI 开源排行榜第六
E4B（端侧高效版）
- 80 亿总参数、45 亿有效参数，42 层，128K 上下文
- E 代表 Effective，小模型用了 Per-Layer Embeddings 技术，有效参数远小于总参数
E2B（超轻量版）
- 51 亿总参数、23 亿有效参数，35 层，128K 上下文
- 在部分设备上内存占用可以压到 1.5GB 以下
所有模型都支持图像和视频输入，支持 140 多种语言。各模型均为多模态，小模型支持语音输入，大模型反而不支持。
E2B 和 E4B 各自带了一个约 3 亿参数的音频编码器，可以做语音识别和语音翻译（最长 30 秒）。Google 和 Pixel 团队、高通、联发科合作优化了端侧部署，E2B 和 E4B 可以在手机、树莓派、NVIDIA Jetson Orin Nano 上完全离线运行。
Benchmark 成绩
相比上一代 Gemma 3 27B，多个核心指标的提升是代际级别的。
| 测试项目 | Gemma 3 27B | Gemma 4 31B | 提升幅度 |
|---|---|---|---|
| 数学 (AIME 2026) | 20.8% | 89.2% | 4.3 倍 |
| 代码 (Codeforces ELO) | 110 | 2150 | 19.5 倍 |
| 代码 (LiveCodeBench v6) | 29.1% | 80.0% | 2.7 倍 |
| 综合推理 (GPQA Diamond) | 42.4% | 84.3% | 2 倍 |
| 综合推理 (MMLU Pro) | 67.6% | 85.2% | 26% |
| 视觉 (MMMU Pro) | 49.7% | 76.9% | 55% |
| 文档 OCR (OmniDocBench) | 0.365 | 0.131 | 64% 降低 |
| 长上下文 (MRCR v2 128K) | 13.5% | 66.4% | 4.9 倍 |
| 多语言 (MMMLU) | 70.7% | 88.4% | 25% |
苏米注：代码能力是这次进步最大的方向，Codeforces ELO 从 110 拉到 2150，这个提升幅度非常惊人。
26B MoE 和 31B 在大部分指标上只差 2 到 5 个百分点，但推理速度快得多。延迟敏感的场景下 26B MoE 性价比更高。
E4B 的 MMLU Pro 69.4%，有效参数只有 45 亿，接近上一代 27B 的水平。
核心能力详解
推理和思考
四款模型都内置了可开关的思考模式，开启后模型先输出内部推理再给答案。数学、逻辑、多步骤规划类任务效果好很多，和 Gemini 的 thinking 能力同源。
Agent 工作流
原生支持函数调用和结构化 JSON 输出，可以让模型调用外部工具和 API。Google 同步发布了 Agent Development Kit（ADK），一个开源的 Agent 框架。端侧 E2B/E4B 也能跑 Agent，Google AI Edge Gallery 里已有示范应用。
代码生成
支持离线写代码。Codeforces ELO 2150、LiveCodeBench 80.0%，在代码补全和生成场景里是可用的。
多模态理解
所有模型都能处理图片和视频（视频按帧处理，最长 60 秒）。图片支持可变分辨率和宽高比，视觉 token 预算可手动配置（70 到 1120 五档），低预算换速度，高预算换精度。OCR、文档解析、图表理解是重点场景。
长文档处理
大模型 256K 上下文，小模型 128K。架构上用混合注意力机制（局部滑动窗口 + 全局注意力交替），全局层用统一 KV 和 Proportional RoPE 优化长上下文的内存占用。
多语言支持
原生训练 140 多种语言，MMMLU 88.4%。
Apache 2.0 许可证
之前 Gemma 1/2/3 用的都是 Google 自己的许可协议，虽然允许商用但有附加条款。这次直接换成了 Apache 2.0，开源社区最认可的商业友好型许可证之一。开发者可以自由修改、分发、商用，没有用户量门槛。
Hugging Face 联合创始人 Clément Delangue 评价这是一个重大里程碑。从 Gemma 系列自身看（三代自定义协议 → Apache 2.0），这是一个明确的转向。
苏米注：Google 用许可证的选择回答了一个讨论了两年的问题：大厂做开源到底有多大诚意。Apache 2.0 的采用，说明 Google 这次是认真的。
开源赛道的竞争格局
Arena AI 开源排行榜上，Gemma 4 31B 排第三、26B MoE 排第六。排在前面的主要是国内的开源模型。
目前开源赛道的主要竞争者：
- DeepSeek：V3.2 在用，V4 即将发布
- 通义千问 Qwen3.5
- 智谱 GLM-5.1
- MiniMax M2.5
- 月之暗面 Kimi K2.5
这几家在今年春节前后密集发布了新版本，参数量从几百亿到上千亿不等，在推理、代码、Agent 等方向各有侧重。
Gemma 4 最大只有 31B，参数量的天花板是一个限制。但 Gemma 4 在端侧部署的工程完整度上做得最深：和高通、联发科的芯片级合作，和 Android 生态的原生打通，加上 Apache 2.0 的合规便利，这些是它的差异化优势。
去哪里用
在线体验：Google AI Studio（31B、26B），Google AI Edge Gallery App（E4B、E2B）
模型下载：Hugging Face、Kaggle、Ollama
云端部署：Vertex AI、Cloud Run、GKE
Android 开发：AICore Developer Preview（和 Gemini Nano 4 前向兼容）
推理框架：Hugging Face Transformers、vLLM、llama.cpp、MLX、Ollama、NVIDIA NIM、LM Studio、Unsloth、SGLang 等
Gemma 系列到目前累计超过 4 亿 次下载，社区产出超过 10 万 个变体。Kaggle 上同步启动了 Gemma 4 Good Challenge，鼓励用 Gemma 4 做有社会价值的项目。
总结
Gemma 4 的发布标志着 Google 在开源模型赛道的强势回归。虽然参数量不是最大的，但在代码能力、端侧部署、Apache 2.0 许可证等方面有明显优势。对于需要离线部署、端侧运行的开发者来说，Gemma 4 是一个值得考虑的选择。
最佳实践：桌面端推荐 26B MoE（性价比高），移动端推荐 E2B/E4B（内存占用低），追求极致效果选 31B Dense。