4月3日消息，谷歌周四发布全新Gemma 4系列开放权重（open-weights）模型。该系列针对AI智能体及编程场景进行了优化，并改用更为宽松的Apache 2.0许可协议，意在扩大企业级市场份额。
此举正值中国大语言模型（LLM）快速发展之际。目前，月之暗面、阿里巴巴千问等中国企业推出的多款模型，在性能指标上已具备与OpenAI及Anthropic旗下头部模型竞争的能力。
面对激烈的市场竞争，谷歌借Gemma 4向企业客户抛出了一套安全可控的本地化部署方案。其核心卖点直击企业数据安全痛点：明确承诺绝不“窃取”企业的私有敏感数据用于未来迭代模型的训练。
作为谷歌DeepMind团队的最新力作，Gemma 4迎来了全面进化。新模型引入了“高级推理”机制，大幅强化了数学运算与指令遵循（instruction-following）能力。同时，其应用边界得到极大拓展，不仅原生支持140多种语言和函数调用（native function calling），更打通了音视频多模态输入。
延续此前的分级策略，谷歌此次提供多种参数规模的模型版本，以适配从单板计算机、智能手机到笔记本电脑及企业数据中心等不同层级的硬件环境。
该系列中参数规模最大的为一款310亿参数大语言模型。谷歌方面称，经微调后，该模型可提供同系列中最优的输出质量。
这一参数体量既避免了与谷歌大型闭源模型形成内部竞争，又保持了相对轻量化的特性，使企业无需投入高昂的GPU服务器成本即可进行本地运行或微调。
算力门槛的显著降低是此次升级的一大亮点。谷歌表示该模型16位未量化版本可在单块80GB显存的H100显卡上运行。若采用4位精度并结合Llama.cpp或Ollama等框架，该模型可在24GB显存的消费级显卡（如英伟达RTX 4090或AMD RX 7900 XTX）上部署。
针对低延迟应用场景，Gemma 4系列推出了一款260亿参数的混合专家（MoE）架构模型。在推理（inference）阶段，该模型仅激活128个专家网络中的子集（约38亿激活参数）来处理和生成词元（token）。在显存充足的条件下，其生成速度显著高于同等规模的稠密模型（dense model）。
尽管这种机制不可避免地会在输出质量上做出微小妥协，但在笔记本电脑或消费级显卡等受限于显存带宽的设备上，这种“以质量换速度”的策略无疑极具现实意义。
值得一提的是，上述两款主力模型均配备了高达25.6万词元的超大上下文窗口。这一特性使其成为本地AI代码助手的绝佳底座，这也是谷歌在发布会上着墨最多的核心落地场景。
面向下沉的端侧市场，谷歌还为智能手机及树莓派（Raspberry Pi）等算力受限的边缘硬件“量身定制”了两款微型模型，分别具备20亿和40亿的“有效参数”。这里的“有效”大有玄机：两款模型的物理参数量实为51亿和80亿，但谷歌通过引入逐层嵌入技术，硬生生将其推理时的实际计算负担压缩至23亿和45亿级别。这一技术魔术让模型在低算力、依赖电池供电的移动设备上得以高效运转。
尽管参数规模较小，这两款边缘模型仍支持12.8万个词元的上下文窗口及多模态功能，在特定的E2B/E4B版本中，它们不仅能理解文本，还能直接解析视觉与音频输入。
从谷歌公布的成绩单来看，Gemma 4较上一代Gemma 3在各项核心AI基准测试中均实现了跨越式增长。
许可协议的变更是此次发布的另一核心。Gemma 4全面转向更为宽松的Apache 2.0许可协议。此前，Gemma的专属许可协议对模型的特定使用场景设有严格限制，并保留了对违规用户的访问终止权。改用Apache 2.0协议后，企业在模型部署与商业化应用方面获得了更高的自主权，降低了因协议条款变动引发的合规风险。
生态布局方面，Gemma 4已全线登陆谷歌自家的AI Studio与AI Edge Gallery平台，并同步上线Hugging Face、Kaggle及Ollama等主流开源社区。谷歌指出，该模型在发布首日已兼容vLLM、SGLang、Llama.cpp及MLX等十余种主流推理框架。（易句）
