「開(kāi)放」和「開(kāi)源」，并非一字之差。

Google 的 Gemma 系列發(fā)布已有兩年，但開(kāi)發(fā)者能下載、能本地運(yùn)行，但用途受限，再分發(fā)受限，改了也不能隨便傳播。充其量說(shuō)，這只能算「開(kāi)放」，還達(dá)不到 AI 圈「開(kāi)源」的標(biāo)準(zhǔn)。

Google DeepMind CEO Demis Hassabis

就在剛剛，Google 發(fā)布四款 Gemma 4 系列模型，支持 Apache 2.0 全面開(kāi)源，其中最小的版本可以在樹(shù)莓派上完全離線運(yùn)行。Gemma 小模型，第一次真正意義上地落到了每個(gè)人手里。

以小小小小勝大

Gemma 4 共發(fā)布四個(gè)尺寸，底層技術(shù)與 Gemini 3 同源，覆蓋從邊緣設(shè)備到高性能工作站的硬件：

E2B / E4B：專(zhuān)為手機(jī)和 IoT 設(shè)備設(shè)計(jì)，與 Google Pixel 團(tuán)隊(duì)及高通、聯(lián)發(fā)科深度合作優(yōu)化。推理時(shí)分別僅激活 2B 和 4B 參數(shù)，以盡量節(jié)省內(nèi)存和電量。

支持 128K 上下文窗口，具備圖片、視頻和原生音頻輸入能力，可在 Pixel 手機(jī)、樹(shù)莓派、Jetson Orin Nano 上完全離線運(yùn)行，延遲接近于零。Android 開(kāi)發(fā)者現(xiàn)在可通過(guò) AICore 開(kāi)發(fā)者預(yù)覽版提前體驗(yàn) Agent Mode。

26B MoE：混合專(zhuān)家架構(gòu)，推理時(shí)僅激活全部參數(shù)中的 3.8B，在保證極快推理速度的同時(shí)維持較高質(zhì)量，Arena AI 文本評(píng)分達(dá)到 1441，位列開(kāi)源模型第六。

31B Dense：追求極致原始性能，Arena AI 文本評(píng)分達(dá)到 1452，位列開(kāi)源模型第三。未量化的 bfloat16 權(quán)重可在單張 80GB NVIDIA H100 上運(yùn)行，量化版本支持消費(fèi)級(jí) GPU，為本地微調(diào)提供強(qiáng)力基礎(chǔ)。

在能力層面，四款模型高度一致：均支持多步推理和復(fù)雜邏輯；原生支持函數(shù)調(diào)用、JSON 結(jié)構(gòu)化輸出和系統(tǒng)指令，可構(gòu)建能與外部工具和 API 交互的自主 Agent；

支持圖片和視頻輸入，擅長(zhǎng) OCR 和圖表理解等視覺(jué)任務(wù)；預(yù)訓(xùn)練語(yǔ)言超過(guò) 140 種。26B 和 31B 的上下文窗口進(jìn)一步擴(kuò)展至 256K，可在單次提示中傳入完整代碼庫(kù)或長(zhǎng)文檔。

基準(zhǔn)測(cè)試的數(shù)字，能更直觀地說(shuō)明這一代的升級(jí)幅度。與上一代 Gemma 3 27B 相比，Gemma 4 31B 在數(shù)學(xué)推理基準(zhǔn) AIME 2026 上從 20.8% 跳升至 89.2%，代碼能力基準(zhǔn) LiveCodeBench v6 從 29.1% 升至 80.0%，衡量 Agent 工具調(diào)用能力的 τ2-bench 則從 6.6% 大幅提升至 86.4%。

這三項(xiàng)數(shù)據(jù)尤為關(guān)鍵，因?yàn)樗鼈冎苯訉?duì)應(yīng)推理、編程和 Agent 三個(gè)當(dāng)下最核心的應(yīng)用場(chǎng)景。

參數(shù)效率是另一個(gè)值得關(guān)注的維度。從「模型性能對(duì)比參數(shù)量」的散點(diǎn)圖來(lái)看，Gemma 4 用 26B 和 31B 的體量，拿到了通常需要數(shù)百億乃至千億參數(shù)才能達(dá)到的 Elo 分?jǐn)?shù)。

26B MoE 的 Arena AI 評(píng)分接近參數(shù)量約 15 倍的 Qwen3.5-397B-A17B，31B Dense 的評(píng)分則與體量在 600B 以上的 GLM-5 處于同一梯隊(duì)。Google 將其概括為「單位參數(shù)智能密度前所未有」，至少數(shù)字顯得有理有據(jù)。

邊緣端模型同樣值得關(guān)注。E2B 在多語(yǔ)言問(wèn)答基準(zhǔn) MMMLU 上達(dá)到 60.0%，在科學(xué)知識(shí)基準(zhǔn) GPQA Diamond 上達(dá)到 43.4%，要知道，這僅僅是一個(gè)只激活 2B 參數(shù)、可以跑在手機(jī)上的模型。

相比之下，Gemma 3 27B 在 GPQA Diamond 上的得分是 42.4%，兩者幾乎持平。換句話說(shuō)，手機(jī)上的 2B 模型，已經(jīng)追上了上一代 270 億參數(shù)的桌面模型。

在硬件生態(tài)層面，NVIDIA 與 Google 已就 Gemma 4 在 RTX GPU、DGX Spark 個(gè)人 AI 超級(jí)計(jì)算機(jī)及 Jetson Orin Nano 上的推理優(yōu)化展開(kāi)合作。

NVIDIA Tensor Core 和 CUDA 軟件棧為 Gemma 4 提供了開(kāi)箱即用的高吞吐、低延遲支持。本地 Agent 應(yīng)用 OpenClaw 也已適配最新模型，可調(diào)用用戶本地文件和應(yīng)用上下文自動(dòng)化執(zhí)行任務(wù)。

從「開(kāi)放」到「開(kāi)源」，打開(kāi)另一種可能性

理解這次發(fā)布，需要先搞清楚 Gemma 和 Gemini 的關(guān)系。兩者基于同一套研究和技術(shù)體系構(gòu)建，區(qū)別在于 Gemini 是訂閱制的閉源產(chǎn)品，Gemma 則是可以免費(fèi)下載、本地運(yùn)行的開(kāi)放模型。

Gemma 系列歷代產(chǎn)品一直使用 Google 自有條款授權(quán)。開(kāi)發(fā)者雖然可以下載和本地運(yùn)行，但用途和再分發(fā)受到限制。

現(xiàn)在 Gemma 4 正式切換至 Apache 2.0 協(xié)議。在這套許可證下，開(kāi)發(fā)者可以將模型用于任何目的，包括個(gè)人、商業(yè)和企業(yè)用途，無(wú)需支付版稅，也無(wú)任何用途限制，修改和再分發(fā)同樣自由。

Apache 2.0 還內(nèi)置了專(zhuān)利保護(hù)機(jī)制：貢獻(xiàn)者的專(zhuān)利自動(dòng)授權(quán)給用戶，若用戶反過(guò)來(lái)以專(zhuān)利侵權(quán)起訴他人，則自動(dòng)喪失使用授權(quán)。這套雙向條款為企業(yè)級(jí)用戶提供了額外的法律保障。

這次開(kāi)源的實(shí)質(zhì)意義在于，Gemma 4 現(xiàn)在可以合法打包進(jìn)產(chǎn)品、服務(wù)和硬件設(shè)備中一并交付。對(duì)于醫(yī)療、金融等有數(shù)據(jù)主權(quán)或合規(guī)要求的行業(yè)用戶，完全本地運(yùn)行意味著數(shù)據(jù)不必上傳云端，同時(shí)又能獲得前沿的 AI 能力。

Hugging Face 聯(lián)合創(chuàng)始人兼 CEO Clément Delangue 將此次授權(quán)切換稱(chēng)為「一個(gè)重要的里程碑」。自 2024 年 2 月首代發(fā)布至今，Gemma 系列總下載量已超 4 億次，社區(qū)衍生變體超過(guò) 10 萬(wàn)個(gè)。

現(xiàn)在，模型權(quán)重已經(jīng)上架 Hugging Face、Kaggle 和 Ollama，Transformers、TRL、vLLM、llama.cpp、MLX、Unsloth、SGLang、Keras 等主流框架均已于發(fā)布當(dāng)天提供支持。

https://huggingface.co/google/gemma-4-31B-it

本地部署可通過(guò) Ollama 或 llama.cpp 配合 GGUF 格式權(quán)重快速上手，Unsloth Studio 同步提供量化模型的微調(diào)和部署支持。如需云端擴(kuò)展，Google Vertex AI、Cloud Run 和 GKE 同步可用。

以 Gemma 4 為代表的小模型有著更深遠(yuǎn)的意義，因?yàn)樗匦禄卮鹆艘粋€(gè)基礎(chǔ)問(wèn)題：AI 應(yīng)該在哪里運(yùn)行。

過(guò)去兩年，這個(gè)問(wèn)題的答案幾乎是默認(rèn)的：

數(shù)據(jù)中心。用戶通過(guò)網(wǎng)絡(luò)接口調(diào)用云端模型，數(shù)據(jù)必須上傳，使用依賴(lài)連接，成本由服務(wù)商定價(jià)。這套模式在消費(fèi)場(chǎng)景里運(yùn)轉(zhuǎn)尚可，但對(duì)數(shù)據(jù)主權(quán)有要求的行業(yè)，比如醫(yī)療、金融、工業(yè)，始終是一道難以逾越的門(mén)檻。

Gemma 4 提供了另一種可能。

手機(jī)、樹(shù)莓派、沒(méi)有外網(wǎng)的工廠終端，都可以在本地完成完整的模型推理。數(shù)據(jù)不離開(kāi)設(shè)備，決策不經(jīng)過(guò)云端。Apache 2.0 的授權(quán)則進(jìn)一步打開(kāi)了落地空間：模型可以合法打包進(jìn)硬件產(chǎn)品，預(yù)裝進(jìn)行業(yè)設(shè)備，不再受限于調(diào)用協(xié)議和數(shù)據(jù)出境的合規(guī)約束。

能力層面的數(shù)字也印證了這條路的可行性。E2B 在科學(xué)知識(shí)基準(zhǔn) GPQA Diamond 上的得分，已經(jīng)與上一代 270 億參數(shù)的桌面模型基本持平，而它推理時(shí)只激活 20 億參數(shù)，可以完全離線跑在手機(jī)上。

「更便宜」或「更方便」已經(jīng)不足以描述這個(gè)變化，它更接近于一次覆蓋范圍的擴(kuò)張，AI 能力開(kāi)始有條件真正進(jìn)入那些長(zhǎng)期被排除在外的場(chǎng)景。

操作系統(tǒng)的普及經(jīng)歷過(guò)類(lèi)似的過(guò)程：從專(zhuān)業(yè)機(jī)構(gòu)的專(zhuān)用工具，逐漸嵌進(jìn)每一臺(tái)個(gè)人設(shè)備，直到人們不再意識(shí)到它的存在。AI 離那個(gè)階段還很遠(yuǎn)，工程、交互、可靠性上的問(wèn)題都還沒(méi)有完整的答案，但可以跑在任意設(shè)備上，一定是這條路上最基礎(chǔ)也是最重要的一步。

我們正在招募伙伴

簡(jiǎn)歷投遞郵箱hr@ifanr.com

?? 郵件標(biāo)題「姓名+崗位名稱(chēng)」（請(qǐng)隨簡(jiǎn)歷附上項(xiàng)目/作品或相關(guān)鏈接）