谷歌DeepMind近日正式發(fā)布新一代開源大模型Gemma 4，這款模型與谷歌閉源旗艦Gemini共享底層技術(shù)架構(gòu)，標志著谷歌在開源大模型領(lǐng)域邁出重要一步。此次發(fā)布采用Apache 2.0商業(yè)友好型許可證，開發(fā)者可自由修改、分發(fā)及進行商業(yè)應(yīng)用，顯著降低了技術(shù)使用門檻。

Gemma 4系列包含四款不同規(guī)格模型，覆蓋從手機、邊緣設(shè)備到工作站、服務(wù)器的全場景部署需求。其中31B Dense版本采用310億參數(shù)全激活架構(gòu)，配備60層網(wǎng)絡(luò)和256K上下文窗口，在未量化狀態(tài)下可在單張80GB H100顯卡運行，量化后支持消費級顯卡部署。該版本在Arena AI開源排行榜中位列第三，展現(xiàn)出強大的性能優(yōu)勢。

另一款26B A4B MoE模型采用混合專家架構(gòu)，總參數(shù)252億但僅激活38億，推理速度接近4B規(guī)模模型，性能卻遠超同級別競品。該版本在開源排行榜中排名第六，特別適合延遲敏感型應(yīng)用場景，實現(xiàn)了性能與效率的平衡。在代碼生成領(lǐng)域，其Codeforces ELO評分從110躍升至2150，LiveCodeBench v6正確率從29.1%提升至80.0%，展現(xiàn)出顯著的技術(shù)突破。

針對端側(cè)設(shè)備優(yōu)化的小模型組包含E4B和E2B兩個版本。E4B擁有80億總參數(shù)（45億有效參數(shù)），E2B則配備51億總參數(shù)（23億有效參數(shù)），兩者均搭載128K上下文窗口。E2B的內(nèi)存占用可壓縮至1.5GB以下，特別適合資源受限設(shè)備。這兩款小模型集成音頻編碼器，支持語音識別與翻譯功能，而大模型版本則專注于視覺與文本處理能力。

在數(shù)學(xué)能力方面，31B版本在AIME 2026競賽測試中取得89.2%的正確率，較上代20.8%有質(zhì)的飛躍。綜合推理能力上，GPQA Diamond研究生級科學(xué)問答正確率從42.4%提升至84.3%，MMLU Pro得分達到85.2%。視覺處理短板得到顯著改善，MMMU Pro多模態(tài)推理正確率提升至76.9%，MRCR v2長文檔理解正確率從13.5%增至66.4%，多語言能力測試MMMLU得分達88.4%。

參數(shù)效率成為Gemma 4的突出優(yōu)勢。26B MoE版本性能與31B版本差距僅2-5個百分點，E4B以45億有效參數(shù)達到接近上代27B版本的性能水平。全系列模型支持圖像、視頻輸入及140多種語言處理，通過與Pixel、高通、聯(lián)發(fā)科合作優(yōu)化，E2B/E4B可在手機、樹莓派等設(shè)備實現(xiàn)完全離線運行。

技術(shù)特性方面，Gemma 4全系列內(nèi)置可開關(guān)的思考模式，開啟后模型會先展示推理過程再給出最終答案，顯著提升數(shù)學(xué)、邏輯等復(fù)雜任務(wù)的表現(xiàn)。模型原生支持函數(shù)調(diào)用和結(jié)構(gòu)化JSON輸出，可無縫對接外部工具與API。谷歌同步發(fā)布的開源Agent開發(fā)框架ADK，使端側(cè)模型也能運行智能代理程序。在多模態(tài)處理上，支持可變分辨率圖片和60秒內(nèi)視頻幀處理，視覺token預(yù)算可手動調(diào)節(jié)以平衡處理速度與精度。長文檔處理采用混合注意力機制，在優(yōu)化內(nèi)存占用的同時保持處理效果。