Google 开源 Gemma 4：换用 Apache 2.0 协议，26B 性能匹敌 20 倍大模型

Gemma 4 是 Google 最新推出的开源模型家族，全系换上了商业友好的 Apache 2.0 协议，能让你在本地设备上直接跑高难度的多步推理和自主智能体工作流。

这次发布的模型覆盖了四种尺寸，包括端侧的 E2B、E4B，以及大体量的 26B MoE 和 31B Dense。它不再局限于简单的文本对话，而是原生支持函数调用、结构化 JSON 输出和系统指令，用来调度工具和接口。

它能做什么

全系模型都支持图文混合输入，能直接处理图像和视频，在 OCR 和图表理解上表现不错。更轻量的 E2B 和 E4B 还加入了原生音频输入，可以直接做语音识别与理解。

上下文长度也有很大提升。两款端侧模型支持 128K token，26B 和 31B 更是拉到了 256K，单次提示词就能塞进整个代码仓库或长篇专业文档。数据方面原生预训练了超过 140 种语言，开箱即支持 35 种以上语言。

性能方面的数字很扎实。在 Arena AI 的公开文本榜单上，31B Dense 冲到了全球开源模型第三名，26B MoE 位列第六。根据官方给出的数据，26B 模型的表现战胜了参数量比自身大 20 倍的对手。

实现这种高能效的关键在架构设计。26B 采用混合专家架构，推理时实际只激活 3.8B 参数，吐字速度极快，兼顾了低延迟；31B 则是致密模型，更适合作为基座用来深度微调特定任务。

怎么跑起来

硬件门槛被压得很低。E2B 和 E4B 推理时只占用 2B 和 4B 的计算资源，能在 Android 手机、树莓派（Raspberry Pi）以及 NVIDIA Jetson Orin Nano 上离线运行，延迟极低。

至于大尺寸的 26B 和 31B，未量化的 bfloat16 权重可以装进单张 80GB 的 NVIDIA H100 显卡。如果部署在个人电脑上，量化版本可以直接跑在消费级 RTX 显卡、工作站或 DGX Spark 上。

软件生态第一天就全部就绪。你可以直接在 Hugging Face、Kaggle 或 Ollama 下载权重。如果想在本地运行，配合 Ollama、llama.cpp 的 GGUF 权重、LM Studio、vLLM 或 MLX 都可以快速拉起；想做微调也可以直接用 Unsloth。

如果你不想本地配置，也可以在 Google AI Studio 里直接试用 31B 和 26B MoE，端侧的 E4B 和 E2B 则可以在 Google AI Edge Gallery 体验。Android 开发者还能通过 AICore 预览版直接接入。

为什么重要

我们认为，这次最大的改变不是参数有多强，而是 Google 终于放弃了限制颇多的附加条款，彻底拥抱了 Apache 2.0。这意味着不论是个人做独立智能体，还是企业做私有化业务落地，都不会再受到商用许可的羁绊。

如果你手头有本地运行智能体、处理敏感长文档或代码补全的需求，Gemma 4 非常值得现在就装下来试一试。尤其是 26B MoE 版本，只用 3.8B 的激活成本就能跑出接近顶尖模型的推理质量，在本地硬件开销和生成效果之间找到了一个极具竞争力的平衡点。