谷歌发布Gemma 4模型家族：31B版本性能超越十倍体量对手，全系列支持多模态并采用Apache 2.0协议
谷歌最新发布的Gemma 4开源模型家族表现强劲。其中，参数量为310亿（31B）的密集模型在性能基准测试中，超越了参数量大10-20倍的对手，例如Qwen3.5-397B和DeepSeek v3.2-671B。
此次发布的Gemma 4系列共包含四个不同尺寸的模型，均基于与Gemini 3同源的技术构建，并全系列原生支持多模态输入。具体型号包括：E2B、E4B、26B MoE和31B Dense。
最小的E2B模型设计用于手机、树莓派等边缘设备，并能离线运行多模态任务，例如处理语音和视频输入。
31B模型击败庞大对手，26B MoE模型追求高效推理
该系列模型均以效率为核心设计理念。
* 31B Dense模型：作为密集模型，适合进行下游任务微调。
* 26B MoE模型：采用混合专家架构，在推理时仅激活约38亿参数，在追求速度的同时保持了较高的性能排名。
在硬件需求方面，未量化的bfloat16权重版本可在单张80GB显存的H100 GPU上运行。量化后的版本则能适配消费级GPU进行本地部署。
根据官方介绍，Gemma 4家族重点增强了六大核心能力：
1. 高级推理：支持多步规划与复杂逻辑，在数学和指令遵循基准测试中表现提升显著。
2. 智能体工作流原生支持：内置函数调用、结构化JSON输出，可直接构建自主代理。
3. 代码生成：支持高质量的离线代码生成。
4. 视觉与音频处理：全系列可原生处理图像和视频，支持可变分辨率；小参数版本还支持原生音频输入。
5. 长上下文支持：端侧模型支持128K上下文，大参数模型最高支持256K上下文。
6. 多语言支持：原生支持140多种语言。
专为端侧设计：手机与树莓派可离线运行多模态
E2B和E4B中的“E”代表高效（Effective），同样采用低激活率的MoE路线。例如，E2B模型总参数量远超20亿，但推理时仅激活其中20亿的部分。
这两款模型专为手机和物联网设备设计，能够原生处理音频和视觉输入，实现完全离线的零延迟交互。谷歌已与Pixel手机、高通、联发科合作，进行了从芯片到设备的全链路优化。
回顾Gemma系列的演进：
* Gemma 1（2024年2月）：仅文本模型，含2B和7B尺寸。
* Gemma 2（2024年6月）：仅文本模型，含2B、9B和27B尺寸。
* Gemma 3（2025年3月）：开始支持多模态，但端侧1B版本能力有限。
* Gemma 4：首次将强大的多模态能力集成至E2B/E4B等端侧小模型中，并支持完整的智能体工作流。
采用Apache 2.0开源协议
Gemma 4全面采用宽松的Apache 2.0开源协议，允许商业使用、修改和分发，且无版税要求。开发者可将其自由部署于公有云、私有服务器或边缘设备。
谷歌DeepMind团队在官方博客中表示，此举是响应开源社区长期以来的呼声。Hugging Face首席执行官对此评论称，这不仅是许可证的变更，更是开源AI社区的一个分水岭事件。
截至目前，Gemma系列模型的累计下载量已超过4亿次，社区基于其微调的模型变体超过10万个。
开源模型推动科学发现
开源模型的价值不仅在于降低开发成本，更能直接推动前沿研究。例如，耶鲁大学的研究团队利用Gemma作为基座模型，开发了“Cell2Sentence-Scale”项目，将单细胞基因表达数据转化为模型可读的序列，用于发现新的癌症治疗靶点，找到了传统方法可能忽略的路径。
参考链接：
[1] 谷歌官方博客
[2] 相关技术讨论
[3] 社区反馈
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：https://www.itsolotime.com/archives/28363
