写于 2026 年 5 月 | 数据截至 2026 年 4 月
2026 年 4 月 2 日，Google DeepMind 发布了 Gemma 4。
如果只看”开源新模型发布”这个动作，你可能觉得没什么特别——每隔几个月总有人发一个。但 Gemma 4 有几个地方值得认真对待：它不只是性能提升，它在某些关键维度上改变了”开源大模型能做什么”这个命题本身。
先说一个数字
Gemma 系列自第一代发布以来，开发者下载量已经超过 4 亿次，社区衍生变体突破 10 万个。这是一个生态规模的信号，不只是技术指标。
Gemma 4 基于与 Gemini 3 相同的研究基础构建，同时首次采用 Apache 2.0 协议开放——后面会专门讲这个变化的含义。
四种尺寸，覆盖从浏览器到服务器
Gemma 4 这次的产品线设计很有意思，不是单一旗舰模型，而是针对不同硬件场景设计了四种尺寸：
| 型号 | 架构 | 参数量 | 上下文 | 典型场景 |
|---|---|---|---|---|
| E2B | Dense | ~2.3B 有效 | 128K | 边缘设备、浏览器端推理 |
| E4B | Dense | ~4B 有效 | 128K | 手机、Raspberry Pi |
| 26B A4B | MoE | 3.8B 激活 / 26B 总量 | 256K | 消费级 GPU，高效推理 |
| 31B | Dense | 31B | 256K | 工作站、服务器 |
其中最值得关注的是 26B A4B 这个 MoE 模型。它包含 128 个微型专家，每次推理只激活其中 8 个——换句话说，你用 3.8B 的计算量，拿到接近更大密集模型的效果。在显存和算力都有限的场景里，这是真正的工程杠杆。
基准测试：不是”提升了一点”，是结构性跨越
Gemma 4 相比上一代（Gemma 3 27B）的提升幅度，很难用”进步”这个词来描述，更接近”断层”：
| 基准 | Gemma 3 27B | Gemma 4 31B | 提升 |
|---|---|---|---|
| AIME 2026（数学竞赛） | 20.8% | 89.2% | +330% |
| LiveCodeBench v6（编程） | 29.1% | 80.0% | +175% |
| BigBench Extra Hard | 19.3% | 74.4% | +285% |
| Agentic Tool Use（τ2-bench） | 6.6% | 86.4% | +1200% |
最后那个 Agentic Tool Use 的数字尤其有意思：+1200%，从 6.6% 到 86.4%。这意味着 Gemma 4 在 Agent 场景下的工具调用能力，和上一代已经不在一个量级了。
MoE 版本（26B A4B）在数学上得到 88.3%，与旗舰 31B 仅差 0.9 个百分点。在 Arena.ai ELO 上，两者也只差 11 分（1441 vs 1452）。考虑到 MoE 版本的实际计算开销远更低，这个效率比很难被忽视。
Apache 2.0：不是小事
Gemma 前几代用的是一套自定义许可证，有月活用户上限、有收入门槛、有各种限制。商业使用需要法务审查，部分场景甚至需要和 Google 单独谈。
Gemma 4 改成了 Apache 2.0。这意味着：
- 商业部署无需特殊协议，直接用
- 可以自由修改权重、分发、微调
- 没有用户规模或收入门槛
对开发者个人来说可能感知不强，但对任何想在产品里私有化部署模型的公司，这个变化省掉的不只是钱，还有走法务流程的时间成本。这是 Gemma 4 最重要的非技术突破之一。
多模态：四种尺寸全覆盖
Gemma 4 是首批全系列原生多模态的 Gemma 模型，能力涵盖：
- 文本：支持 140+ 语言
- 图像：目标检测、文档/PDF 解析、图表理解、多语言 OCR、手写识别
- 视频：通过帧序列分析处理视频内容
- 音频：E2B / E4B 小型版本原生支持音频输入，不需要独立的语音识别模块
更有实用价值的是交错多模态输入——在单次提示里混合文本和图像，没有顺序限制。这在实际应用场景里（比如文档理解、图文混合分析）比”支持图像”这个描述要有用得多。
推理能力和 Agent 支持
两个值得关注的内置能力：
思维链推理（Thinking Mode）：模型可以在生成最终答案前进行最多 4000+ token 的逐步推理。这不是外挂的 CoT 技巧，而是模型内置支持的推理模式。对需要解题步骤可见、可审查的场景很有价值。
原生函数调用（Function Calling）：内置工具调用支持，可以直接集成外部工具构建 Agent 工作流，不需要额外的框架层包装。结合上面那个 86.4% 的 Agentic Tool Use 得分，Gemma 4 在 Agent 场景下的实用性有了实质性依据。
部署生态
发布当天即支持的工具链：
- 推理引擎：vLLM、llama.cpp、MLX、Ollama、LM Studio、SGLang
- 训练框架：Hugging Face Transformers/TRL、Keras、MaxText
- 硬件加速：NVIDIA NIM（Blackwell）、AMD ROCm、Google TPU
- 云端：Vertex AI、Cloud Run、GKE——支持 Serverless 到完全自托管的各种部署方式
小型模型（E2B / E4B）专门与高通、联发科联合优化，支持 Android AICore、Raspberry Pi、Jetson Orin Nano，以及 Chrome 浏览器端推理。
现实局限性，也要讲清楚
不是每个场景都适合 Gemma 4，几个实际限制：
显存门槛：旗舰 31B 模型在 16-bit 精度下需要约 24GB 显存，超出了大多数消费级显卡的上限。MoE 版本在这方面友好得多，但也需要认真规划硬件配置。
上下文窗口：最大 256K Token。如果你的场景需要处理超长文档（比如 Meta Llama 4 Scout 支持的 10M Token 上下文），Gemma 4 目前不是最优选。
开放程度：严格来说，Gemma 4 是”开放权重”（Open-Weight），不是”完全开源”（Full Open-Source）。训练数据和完整训练代码没有公开，这在一些需要完整可审计链路的场景下是个限制。
实际该怎么选
如果你在评估是否在项目里使用 Gemma 4，一个简单的决策逻辑：
- 设备端 / 边缘场景：E2B 或 E4B，离线运行，低延迟，唯一的问题是算力确实有限
- 消费级 GPU（12-16GB 显存）：26B MoE 是最平衡的选择，效果接近旗舰，计算成本低得多
- 高性能场景 / 服务器部署：31B Dense，目前开源模型里综合性价比最高的选项之一
- 企业私有化部署：Apache 2.0 + Google Cloud 主权云方案，合规成本比之前低很多
最后
开源大模型的竞争在 2026 年明显进入了一个新阶段。Gemma 4 不是最大的，上下文也不是最长的，但它在一个关键维度上做了正确的事：把能力、效率、许可证三件事同时推到了一个新的水位线。
对于大多数开发者来说，“本地部署一个真正好用的多模态 Agent 模型”这件事，在 Gemma 4 发布之后变得更加可行了。
参考来源：Google DeepMind Gemma 4 官方页面、Google AI for Developers、Google Cloud Blog、Medium Gemma 4 Benchmarks（2026.04）、Interconnects.ai、MindStudio、DEV Community