Google 開源 Gemma 4：換用 Apache 2.0 協議，26B 效能匹敵 20 倍大模型

Gemma 4 是 Google 最新推出的開源模型家族，全系換上了商業友好的 Apache 2.0 協議，能讓你在本地裝置上直接跑高難度的多步推理和自主智慧體工作流。

這次釋出的模型覆蓋了四種尺寸，包括端側的 E2B、E4B，以及大體量的 26B MoE 和 31B Dense。它不再侷限於簡單的文本對話，而是原生支援函式呼叫、結構化 JSON 輸出和系統指令，用來排程工具和介面。

它能做什麼

全系模型都支援圖文混合輸入，能直接處理影像和影片，在 OCR 和圖表理解上表現不錯。更輕量的 E2B 和 E4B 還加入了原生音訊輸入，可以直接做語音識別與理解。

上下文長度也有很大提升。兩款端側模型支援 128K token，26B 和 31B 更是拉到了 256K，單次提示詞就能塞進整個程式碼倉庫或長篇專業文件。資料方面原生預訓練了超過 140 種語言，開箱即支援 35 種以上語言。

效能方面的數字很紮實。在 Arena AI 的公開文本榜單上，31B Dense 衝到了全球開源模型第三名，26B MoE 位列第六。根據官方給出的資料，26B 模型的表現戰勝了引數量比自身大 20 倍的對手。

實現這種高能效的關鍵在架構設計。26B 採用混合專家架構，推理時實際只啟用 3.8B 引數，吐字速度極快，兼顧了低延遲；31B 則是緻密模型，更適合作為基座用來深度微調特定任務。

怎麼跑起來

硬體門檻被壓得很低。E2B 和 E4B 推理時只佔用 2B 和 4B 的計算資源，能在 Android 手機、樹莓派（Raspberry Pi）以及 NVIDIA Jetson Orin Nano 上離線執行，延遲極低。

至於大尺寸的 26B 和 31B，未量化的 bfloat16 權重可以裝進單張 80GB 的 NVIDIA H100 顯示卡。如果部署在個人電腦上，量化版本可以直接跑在消費級 RTX 顯示卡、工作站或 DGX Spark 上。

軟體生態第一天就全部就緒。你可以直接在 Hugging Face、Kaggle 或 Ollama 下載權重。如果想在本地執行，配合 Ollama、llama.cpp 的 GGUF 權重、LM Studio、vLLM 或 MLX 都可以快速拉起；想做微調也可以直接用 Unsloth。

如果你不想本地配置，也可以在 Google AI Studio 裡直接試用 31B 和 26B MoE，端側的 E4B 和 E2B 則可以在 Google AI Edge Gallery 體驗。Android 開發者還能通過 AICore 預覽版直接接入。

為什麼重要

我們認為，這次最大的改變不是引數有多強，而是 Google 終於放棄了限制頗多的附加條款，徹底擁抱了 Apache 2.0。這意味著不論是個人做獨立智慧體，還是企業做私有化業務落地，都不會再受到商用許可的羈絆。

如果你手頭有本地執行智慧體、處理敏感長文件或程式碼補全的需求，Gemma 4 非常值得現在就裝下來試一試。尤其是 26B MoE 版本，只用 3.8B 的啟用成本就能跑出接近頂尖模型的推理質量，在本地硬體開銷和生成效果之間找到了一個極具競爭力的平衡點。