Gemma 4

是什么

Gemma 4 是 Google Gemma 系列的第四代，属于「开放权重（open weights）」模型：训练完成的参数被公开发布，任何人都可以下载、在自己的硬件上运行并加以改造。它在 2026 年 4 月 2 日发布，与 Gemini 3 建立在同一套研究和技术之上。^[1] 开放权重与通过接口调用的模型，区别在于获取方式——前者拿到的是文件本身，可以离线运行、检查和修改。

四种规模

这一代发布时共有四个版本。^[1] E2B 和 E4B 是小型「有效」模型，参数规模分别为 20 亿和 40 亿，面向根本没有数据中心可用的场景。26B 是混合专家模型（mixture-of-experts，MoE）：它总共持有 260 亿参数，但推理时只激活其中约 38 亿，因此生成每个 token 的开销接近小得多的模型，网络整体的容量却更大。31B 是稠密模型（dense），每个 token 都要用到全部参数。四个尺寸合起来，覆盖了从口袋里的小设备到需要服务器级加速卡的区间。^[1]

上下文窗口随规模不同：E2B 和 E4B 为 128,000 个 token，26B 和 31B 最高可达 256,000 个 token。^[1] 上下文窗口指的是模型一次能「看在眼里」的材料量，这里既包括文字，也包括图像、视频和音频 token。窗口足够长，模型才能通读一份长文档或进行长时间对话而不忘掉开头。

能跑在哪里

部署开放模型时，显存和内存往往是最硬的约束。Google 给出的说法是：未量化（unquantised）的 26B 和 31B 权重可以放进单张 80GB 的 NVIDIA H100；E2B 和 E4B 则能在手机、Raspberry Pi 和 NVIDIA Jetson Orin Nano 上离线运行。^[1] 「未量化」意味着权重保持完整精度，没有被压缩成更小的数值格式，这是占用空间最大的存放方式；而能在手机或单板电脑上运行，说明小模型所需的空间要小得多。

输入与语言

四个模型都能处理图像和视频，E2B 和 E4B 还支持原生音频输入。^[1] 一个模型同时处理多种模态，意味着可以把同一套系统直接指向一张照片、一段视频或一段录音，而不必串起多个各自专精的部件。这些模型在训练时原生覆盖 140 多种语言，对于在多数训练数据里占比很低的使用者来说，这一点尤其实际。^[1]

许可

Gemma 4 是第一个采用 Apache 2.0 许可的 Gemma 世代，此前几代使用的是 Gemma Terms of Use。^[1][2] Apache 2.0 是使用广泛的宽松开源许可，允许使用、修改和再分发（包括商业用途），附加条件很少——这意味着使用者不再需要逐条阅读一套专门定制的条款。

反响与分发

在 Arena AI 的开放模型文本排行榜上，截至 2026 年 4 月 1 日，31B 模型位列第三，26B 模型位列第六。^[1] 权重发布在 Hugging Face、Kaggle 和 Ollama 上，llama.cpp、vLLM、MLX、LM Studio 等工具在发布当天即提供支持。^[1] 格式与运行时的覆盖程度，实际决定了一次开放发布好不好用：一个在发布当天就能跑进常见本地推理工具里的模型，使用者不必先写一套新的服务代码就能试用。Google 表示 Gemma 系列模型的下载量已超过 4 亿次，社区衍生版本超过 10 万个。^[1]

在发展中的位置

发布之后这一系列继续扩充：2026 年 6 月 3 日，Gemma 4 12B 跟进推出，成为介于小型有效模型与 26B 之间的第五个尺寸。^[2] 综合来看，Gemma 4 的形态——改用 Apache 2.0 许可、尺寸从手机一路铺到单卡可跑、全系支持多模态输入——使它对需要自己运行模型、而非通过网络调用模型的开发者成为一个可用的选项。