Google DeepMind 於 2026 年 4 月 2 日正式發佈 Gemma 4，標誌著開源 AI 的一個重要里程碑。這個模型家族在「每參數智慧」方面達到前沿水準，建立在驅動 Gemini 3 的相同研究與技術之上。與早期使用自訂授權的 Gemma 版本不同，Gemma 4 採用完全寬鬆的 Apache 2.0 license，允許不受限制的商業使用、修改與再散佈。
Gemma 4 以其多模態能力而脫穎而出（所有尺寸均支援文字 + 圖像輸入，邊緣模型另支援音訊）、原生進階推理與代理式工作流程、最長 256K token 的長上下文以及從智慧型手機與 Raspberry Pi 到高階 GPU 的全方位最佳化。它支援超過 140 種語言並強調效率，使強大的 AI 能在消費級與邊緣硬體上離線運作，無需依賴雲端。
CometAPI 提供優秀的開源與閉源模型 API。
什麼是 Gemma 4？
Gemma 4 是 Google DeepMind 最新的開放多模態大型語言模型（LLM）家族，專為進階推理、代理式（agentic）AI 工作流程與高效裝置端部署而打造。它借鑑專有 Gemini 3 研究的洞見，同時保持開放權重與開源，將「intelligence-per-parameter」最大化。
相較先前的 Gemma 模型，關鍵進步包括：
- 原生多模態：所有模型支援文字 + 圖像理解，小型邊緣變體另有音訊支援。
- 可配置思考模式：逐步推理，輸出結構化的 <|think|>。
- 原生函式呼叫與工具使用：非常適合自主代理。
- 延伸上下文：大型模型最高支援 256K token。
- 混合注意力架構：結合區域滑動視窗與全域注意力，兼顧效率與長上下文表現。
- 小型模型採用 Per-Layer Embeddings (PLE) 與共享 KV 快取以節省記憶體。
- 廣泛多語支援：預訓練數據涵蓋 140+ 語言，具文化脈絡感知。
採用 Apache 2.0 授權的 Gemma 4 移除了先前限制企業採用的條款。開發者現在能無摩擦地進行微調、部署與商用——使其成為可與 Llama、Qwen 等完全開放生態直接競爭的選項。
Gemma 4 面向多樣硬體：邊緣裝置（手機、IoT、Raspberry Pi、Jetson Nano）提供低延遲離線 AI，工作站/GPU 則可作為高效能本地伺服器。這種「本地優先」設計優先考量隱私、成本節省與零延遲推理。
在 Arena 排行榜上位居其前的開源模型主要來自中國團隊。Gemma 4 與 Qwen 3.5、GLM-5 相差不大，但與 OpenAI 的 GPT-OSS-120B 存在顯著差異。
開發者現在可以在 CometAPI 上找到 GLM-5、Qwen 3.5 等。
Gemma 4 的四個版本
Google 發佈了經精心優化的四種尺寸版本，在效能、效率與部署場景間取得平衡。兩款採用具創新的 Per-Layer Embeddings (PLE) 的稠密架構，面向邊緣效率；一款是 Mixture-of-Experts（MoE），以低作用中參數成本追求高效能；另一款是稠密旗艦。
| Model | Architecture | Total Params | Active Params (MoE) | Effective Params | Context Length | Modalities | Target Hardware |
|---|---|---|---|---|---|---|---|
| Gemma 4 E2B | Dense + PLE | ~5.1B (incl. embeddings) | N/A | 2.3B | 128K | Text, Image, Audio | Smartphones, Raspberry Pi, edge IoT |
| Gemma 4 E4B | Dense + PLE | ~8B (incl. embeddings) | N/A | 4.5B | 128K | Text, Image, Audio | Mobile devices, lightweight GPUs, Jetson |
| Gemma 4 26B A4B | MoE (8 active / 128 total + 1 shared) | 25.2B | 3.8B–4B | N/A | 256K | Text, Image | Workstations, consumer GPUs, local servers |
| Gemma 4 31B | Dense | 30.7B | N/A | N/A | 256K | Text, Image | High-end GPUs (fits on single H100/A100 in FP16) |
Gemma 4 E2B 與 E4B（邊緣最佳化）：使用 PLE 在極少參數開銷下提供逐層專門化。非常適合電池供電或記憶體受限裝置。音訊編碼器（USM-style Conformer，~300M 參數）支援語音轉文字與翻譯。
Gemma 4 26B A4B（MoE）：雖然總參數超過 25B，但推理時僅啟用 ~4B 參數。在計算成本大幅降低的情況下，提供接近 31B 的效能——是成本效率擴展的理想選擇。
Gemma 4 31B（稠密）：以極致能力為目標的旗艦版。在全精度下可放入單顆 80GB GPU，並位居各大開源模型排行榜前列。
所有模型均包含經指令調優（“-it”）的變體，針對對話、推理與工具使用進行最佳化，另有預訓練基座版本可供微調。兩款大模型採取不同路徑：31B 稠密模型追求極致品質，是微調的最佳基礎；26B MoE 模型優先速度，推理時僅啟用 38 億參數，詞元生成顯著更快，但整體品質略低。
兩款小模型 E2B 與 E4B 專為手機與 IoT 設備設計：可完全離線運行，節省記憶體與電力。此外，這些小型模型具備大型模型所沒有的能力：原生音訊輸入，可直接進行語音識別。
Gemma 4 的核心能力
Gemma 4 在真實世界 AI 應用最關鍵的領域中表現出色：
1. 進階推理與思考模式
可透過系統提示或 enable_thinking=True 啟用逐步推理。輸出結構化的 <|think|> 標記，後接最終答案。無需額外微調即可顯著提升複雜任務表現。
2. 多模態理解
- 視覺：物件偵測（JSON 邊界框）、OCR（多語）、文件/PDF 解析、圖表理解、UI 理解、手寫辨識，以及可變解析度影像處理（token 配額：70–1120 token）。
- 影片：最長 60 秒（1 fps 影格處理）。
- 音訊（僅 E2B/E4B）：自動語音辨識（ASR）與語音轉文字翻譯（最長 30 秒）。
- 交錯輸入：可任意順序混合文字、圖像與音訊。
3. 代理式工作流程與函式呼叫
原生工具使用支援，使自主代理能進行多步規劃、API 呼叫、應用導覽與任務完成。在 τ2-bench（代理工具使用）表現強勁。
4. 程式碼與開發者工具
卓越的程式碼生成、補全、偵錯與倉庫級理解能力。支援 JSON 結構化輸出以便無縫整合。31B 在 LiveCodeBench v6 上取得 80.0% 分數，使其成為適合離線開發場景的本地優先 AI 程式助理。
5. 長上下文與多語
可穩定處理 128K–256K token（經 MRCR needle-in-haystack 測試）。預訓練資料涵蓋至 2025 年 1 月，跨語種表現強勁。不僅是多語翻譯，而是原生覆蓋 140+ 語言的訓練。
基準數據：Gemma 4 表現解析
Gemma 4 為開源模型樹立新標準。31B 與 26B 變體達到曾經屬於更大型專有系統的分數，而邊緣模型則超越 Gemma 3 的更大前代。
完整基準結果（Instruction-Tuned 模型）
| Benchmark | Category | Gemma 4 31B | Gemma 4 26B A4B | Gemma 4 E4B | Gemma 4 E2B | Gemma 3 27B (no think) |
|---|---|---|---|---|---|---|
| MMLU Pro | 推理與知識 | 85.2% | 82.6% | 69.4% | 60.0% | 67.6% |
| AIME 2026 (no tools) | 數學 | 89.2% | 88.3% | 42.5% | 37.5% | 20.8% |
| GPQA Diamond | 研究生級科學 | 84.3% | 82.3% | 58.6% | 43.4% | 42.4% |
| Tau2 (avg) | 代理工具使用 | 76.9% | 68.2% | 42.2% | 24.5% | 16.2% |
| LiveCodeBench v6 | 程式設計 | 80.0% | 77.1% | 52.0% | 44.0% | 29.1% |
| Codeforces ELO | 競賽程式設計 | 2150 | 1718 | 940 | 633 | 110 |
| MMMU Pro | 多模態推理 | 76.9% | 73.8% | 52.6% | 44.2% | 49.7% |
| MATH-Vision | 數學 + 視覺 | 85.6% | 82.4% | 59.5% | 52.4% | 46.0% |
| MRCR v2 (8-needle, 128K) | 長上下文 | 66.4% | 44.1% | 25.4% | 19.1% | 13.5% |
關鍵觀察：
- 相較 Gemma 3 的巨大躍進：31B 將 AIME 數學從 20.8% 提升至 89.2%，LiveCodeBench 從 29.1% 提升至 80.0%。
- MoE 效率：26B A4B 在推理時計算顯著更少，卻幾乎接近 31B 表現。
- 邊緣優勢：E4B 與 E2B 在多項指標上超越 Gemma 3 27B，儘管尺寸小 6–10 倍。
- 排行榜表現：31B 在 Arena AI（文字）約 1452 分；26B A4B 約 1441 分。據報 26B 變體在使用者偏好與程式設計上優於更大型的模型，例如 Qwen 3.5 397B。
視覺與音訊基準證實其在未經專門微調的情況下，即具備強大的開箱即用多模態表現。
生態與工具支援
Gemma 4 享有即時且廣泛的生態整合：
- Hugging Face：首日支援
transformers、pipeline("any-to-any")、GGUF、ONNX 與多模態處理器。 - 本地執行環境：Ollama、Llama.cpp（LM Studio、Jan）、MLX（Apple Silicon with TurboQuant）、Mistral.rs（Rust）、Transformers.js（WebGPU 瀏覽器推理）。
- 微調：TRL、Unsloth、PEFT、Vertex AI，並支援完整多模態資料集。
- 硬體最佳化：NVIDIA RTX/DGX Spark/Jetson（透過 TensorRT-LLM）、Google AI Edge 工具，以及 Android/iOS 裝置端部署。
- 代理框架：OpenClaw、Hermes、Pi 與 CARLA 模擬測試。
- 雲端/Studio：Google AI Studio 可快速測試；Kaggle Models 可下載。
這個生態讓 Gemma 4 能在筆電、伺服器或邊緣裝置上於數分鐘內完成部署。
限制與安全：
- 訓練數據截止：2025 年 1 月（若無工具，無法即時獲取新知）。
- 音訊僅限語音（非音樂）；影片上限 60 秒。
- 仍有幻覺風險——建議使用思考模式與驗證。
- 安全性：遵循 Google AI Principles 進行嚴格過濾與評估；開發者應加入應用層面的防護。
為何 Gemma 4 在 2026 年具有意義
Gemma 4 正在普及前沿 AI。結合多模態智慧、代理能力與 Apache 2.0 的自由，並具硬體無關的高效率，讓開發者與企業能以安全、私密、低成本的方式在規模上構建 AI 解決方案。「每參數智慧」的突破——特別是邊緣模型超越昨日旗艦級開源模型——預示著 AI 真正無所不在的轉變。
無論是在手機上運行 2B 模型，還是在本地運行 31B 的強大模型，Gemma 4 都證明開源 AI 在實用性方面已趕上（甚至在許多情況下超越）封閉替代方案。