北京時間2026年4月3日凌晨，Google DeepMind正式發(fā)布新一代開放模型系列——Gemma 4。官方博客標題寫：“Byte for byte, the most capable open models”——逐字節(jié)衡量，這是迄今為止最強悍的開源模型。

據(jù)官方發(fā)布的博客，在Arena AI文本排行榜上，Gemma 4的31B Dense模型以307億參數(shù)規(guī)模登上開源模型全球第三，26B A4B MoE模型位居第六，后者推理時僅激活38億參數(shù)，卻擊敗了參數(shù)量數(shù)百億乃至數(shù)千億級別的競品。

當整個行業(yè)還在為大模型“越大越好”的軍備競賽焦慮時，谷歌選擇用工程效率與推理密度的極致優(yōu)化，給出了一條截然不同的技術(shù)路徑。

四款模型，四個戰(zhàn)場

Gemma 4此次一口氣釋放了四個規(guī)格，覆蓋了從端側(cè)嵌入式設(shè)備到本地開發(fā)工作站的完整算力梯度：

從關(guān)鍵技術(shù)數(shù)據(jù)看，26B A4B MoE模型推理時僅激活38億參數(shù)（總參252億），卻在Arena AI排行榜擊敗了多款參數(shù)量達數(shù)百億甚至數(shù)千億級別的競品，包括通義千問Qwen3-235B（2350億）和Meta Llama-3.1-405B（4050億）等。31B Dense未量化版本可在單張80GB NVIDIA H100上運行，量化后可部署于消費級GPU。

邊緣模型E2B/E4B支持原生音頻輸入，可進行語音識別與理解。全系列模型均原生支持視頻與圖像處理，支持可變分辨率輸入。

這一產(chǎn)品矩陣的邏輯在于：小模型打“無處不在”，大模型打“無處不在的前沿智能”。

E2B和E4B被谷歌定義為核心戰(zhàn)略——“移動優(yōu)先AI”（mobile-first AI），專為數(shù)十億Android設(shè)備及物聯(lián)網(wǎng)終端設(shè)計；26B和31B則瞄準本地開發(fā)、IDE輔助和Agent工作流。

與Gemini 3同源的技術(shù)底座

一個容易被忽略但至關(guān)重要的信息是：Gemma 4基于與閉源旗艦?zāi)Ｐ虶emini 3相同的研究成果與技術(shù)架構(gòu)構(gòu)建。這意味著，開源社區(qū)獲得了與谷歌內(nèi)部頂級閉源模型處于同一技術(shù)世代的推理能力。

這種“開源共享底層技術(shù)”的做法，在Gemma系列中一直延續(xù)，但在第四代上更進一步。Gemma 4在以下能力維度上實現(xiàn)提升：

? 高級推理（Advanced Reasoning）：支持多步規(guī)劃與深度邏輯鏈，在數(shù)學(xué)和指令遵循基準測試上表現(xiàn)顯著提升，不再止步于簡單對話，而是能夠處理復(fù)雜邏輯與Agent工作流。

? Agentic工作流原生支持：內(nèi)置函數(shù)調(diào)用（function-calling）、結(jié)構(gòu)化JSON輸出、原生系統(tǒng)指令，使開發(fā)者能夠直接構(gòu)建自主智能體，與外部工具和API可靠交互并執(zhí)行完整工作流。

? 高質(zhì)量離線代碼生成：將本地工作站轉(zhuǎn)變?yōu)楸镜貎?yōu)先的AI編程助手。

? 多模態(tài)原生：全部模型原生處理視頻和圖像，支持可變分辨率輸入，在OCR和圖表理解等視覺任務(wù)上表現(xiàn)突出。E2B和E4B還支持原生音頻輸入。

? 超長上下文：邊緣模型支持128K上下文窗口，大模型最高支持256K，可在單次提示中處理代碼倉庫或長篇文檔。

? 140+語言原生訓(xùn)練：原生支持超過140種語言，覆蓋全球用戶群體。

Gemma 4的另一層重大信號，在于其許可證選擇——Apache 2.0。

此前Gemma系列采用的條件性許可協(xié)議曾引發(fā)社區(qū)持續(xù)爭論。此次轉(zhuǎn)向Apache 2.0——業(yè)界最寬松、對商業(yè)用途最友好的開源許可證之一——意味著開發(fā)者獲得了完全的數(shù)據(jù)主權(quán)、基礎(chǔ)設(shè)施控制權(quán)和模型控制權(quán)，可在本地或云端自由構(gòu)建和部署。

“Gemma 4以Apache 2.0許可證發(fā)布是一個巨大的里程碑。我們非常激動能在發(fā)布首日就在Hugging Face上支持Gemma 4家族?！?strong>Clément Delangue，Hugging Face聯(lián)合創(chuàng)始人兼CEO表示。

谷歌官方在博文中明確表示，這一變化直接回應(yīng)了開發(fā)者社區(qū)的反饋：“構(gòu)建AI的未來需要協(xié)作方式，我們相信在不設(shè)限制性障礙的情況下賦能開發(fā)者生態(tài)系統(tǒng)。”

或許，對谷歌來說，許可證變更意味著一次戰(zhàn)略定位的調(diào)整。當Meta的Llama系列已經(jīng)以寬松許可占據(jù)開源生態(tài)心智時，谷歌如果繼續(xù)在許可條款上設(shè)限，只會加速開發(fā)者向競品生態(tài)遷移。Apache 2.0是參與開源競爭的“入場券”，而非“加分項”。

從邊緣到云端：端側(cè)AI的“填滿”攻勢

Gemma 4最值得產(chǎn)業(yè)界關(guān)注的戰(zhàn)略動作，可能是其邊緣側(cè)布局。

E2B和E4B從底層為計算與內(nèi)存效率而設(shè)計，推理時僅分別激活20億和40億參數(shù)，以保護設(shè)備的RAM和電池壽命。谷歌Pixel團隊與高通（Qualcomm）、聯(lián)發(fā)科（MediaTek）深度合作，使這些多模態(tài)模型能在手機、樹莓派、NVIDIA Jetson Orin Nano等設(shè)備上完全離線運行，且延遲接近于零。

端側(cè)生態(tài)整合要點：

? Android開發(fā)者可通過AICore Developer Preview進行Agent流程原型設(shè)計，與未來的Gemini Nano 4保持向前兼容。 ? Android Studio中可驅(qū)動Agent Mode進行應(yīng)用開發(fā)。 ? ML Kit GenAI Prompt API支持生產(chǎn)級Android應(yīng)用構(gòu)建。 ? Google AI Edge Gallery提供E4B和E2B的即時體驗入口。

這釋放了一個明確的信號：谷歌正在將端側(cè)AI從“實驗品”推向“基礎(chǔ)設(shè)施”。當4B參數(shù)級別模型能夠在手機端實現(xiàn)多模態(tài)推理、OCR、語音識別，且完全離線運行，“云端依賴”便不再是AI能力的必要前提。結(jié)合256K上下文窗口的處理能力，“長文檔本地分析”“離線代碼審查”等場景將從概念走向日常。

在發(fā)布首日，Gemma 4就獲得了主流AI工具鏈的全面支持，這在開源模型發(fā)布史上并不多見：

從Hugging Face到NVIDIA NIM，從Apple MLX到AMD ROCm，從Docker到Google Cloud——Gemma 4的部署路徑覆蓋了消費級硬件、企業(yè)級基礎(chǔ)設(shè)施和三大云平臺。值得注意的是，谷歌還提供了Kaggle上的“Gemma 4 Good Challenge”競賽，鼓勵開發(fā)者利用該模型構(gòu)建有社會影響力的應(yīng)用，延續(xù)Gemma系列的社區(qū)運營傳統(tǒng)。

自第一代發(fā)布以來，Gemma系列累計下載量已超過4億次，衍生變體超過10萬個。Apache 2.0許可之下，這一生態(tài)有望在第四代上實現(xiàn)更大幅度的擴張。

開源模型進入“效率競賽”階段

Gemma 4的發(fā)布，使開源大模型競爭進入了一個新階段——“效率競賽”取代“規(guī)模競賽”成為核心敘事。

當26B A4B MoE模型能以38億激活參數(shù)擊敗參數(shù)量數(shù)百倍的競品，“參數(shù)效率”（intelligence-per-parameter）成為衡量開源模型價值的新標尺。這不僅是工程能力的體現(xiàn)，更是商業(yè)策略的選擇：在消費級硬件上實現(xiàn)前沿推理能力，意味著更低的部署成本、更快的推理速度、更廣泛的適用場景。

與閉源模型不同，開源模型的競爭邏輯天然是多維的——許可證寬松度、硬件適配廣度、社區(qū)生態(tài)活躍度、微調(diào)友好度，每一項都可能成為決定勝負的關(guān)鍵變量。Gemma 4在Apache 2.0許可、四規(guī)格矩陣、140+語言覆蓋、首日工具鏈全支持上的組合拳，顯然是經(jīng)過精密計算的戰(zhàn)略布局。

對于中國開發(fā)者而言，Gemma 4的256K上下文窗口和原生中文支持（140+語言包含中文），配合Apache 2.0的完全自由部署權(quán)，意味著在國內(nèi)合規(guī)框架下也有本地化落地的技術(shù)空間。

Gemma 4的發(fā)布不是一次簡單的模型更新，而是開源AI領(lǐng)域的一次結(jié)構(gòu)性位移。當端側(cè)4B參數(shù)模型能夠處理多模態(tài)、語音、長上下文任務(wù)，當307億參數(shù)模型可以在單張H100上運行且躋身開源排行榜前三，“本地AI”與“云端AI”的能力邊界正在被重新定義。

谷歌選擇了同時開放所有模型權(quán)重、擁抱Apache 2.0、覆蓋從手機到云端的全硬件?！@種“全棧開源”策略，既是對Meta Llama系列和Mistral等開源競品的正面回應(yīng)，也是對“閉源才能維持技術(shù)壁壘”這一傳統(tǒng)認知的直接挑戰(zhàn)。

開源模型的下一個臨界點，或許不再是“誰參數(shù)更大”，而是“誰在更小的體積內(nèi)裝進了更多的智能”。Gemma 4給出的答案，至少在今天是：byte for byte，它是目前最強的。