Google 发布 Gemma 4 开源模型家族（E2B/E4B/26B MoE/31B Dense），Apache 2.0 协议，256K 上下文，原生多模态，附本地部署渠道。
Google 发布 Gemma 4 开源模型家族（E2B/E4B/26B MoE/31B Dense），Apache 2.0 协议，256K 上下文，原生多模态，附本地部署渠道。
Google 发布了 Gemma 4——目前它最强的开源模型家族。和闭源的 Gemini 3 同源，但走的是 Apache 2.0 协议，你可以下载权重，在自己的机器、自己的云账号里跑，数据完全不出本地。对需要数据主权、离线推理、或想省 API 费用的开发者来说，这一代终于把"前沿能力"和"开箱即用本地跑"两件事拼到了一起。
Gemma 4 不是一个模型，而是四个针对不同硬件优化的版本：
| 模型 | 类型 | 适合的硬件 |
|---|---|---|
| E2B | 边缘端，有效 2B 参数 | 手机、Raspberry Pi、NVIDIA Jetson Orin Nano |
| E4B | 边缘端，有效 4B 参数 | 同上，能力更强 |
| 26B MoE | 混合专家，推理只激活 3.8B | 消费级 GPU，主打低延迟 |
| 31B Dense | 稠密模型，最大版 | 单张 80GB H100；量化后可跑消费级 GPU |
26B MoE 版本走的是"低延迟"路线——总参数 26B，但推理时只激活 3.8B，tokens-per-second 很快。31B Dense 走的是"最高质量 + 微调基底"路线。Google 称 31B 目前在 Arena AI 文本榜上排全球开源模型第 3，26B 排第 6。
Google 把渠道铺得很广，几乎覆盖所有主流本地推理栈：
权重发布在 Hugging Face、Kaggle、Ollama，第一天就支持：
ollama run gemma4:31b-it-q4_K_M）边缘端模型可通过 AICore Developer Preview 调用，前向兼容 Gemini Nano 4。也可以用 Android Studio 的 Agent Mode 原型化 agent 流程。
💡 提示：如果只是想快速试一下，用 Ollama 一行命令最快：
ollama run gemma4:31b-it-q4_K_M。要在 IDE 里当代码助手，LM Studio 配合 Continue 插件是最顺手的组合。
Gemma 4 设计上就支持在消费级硬件（比如游戏 GPU）上微调。可用的平台包括：
官方举了两个微调案例：INSAIT 用它训了保加利亚语优先的 BgGPT，耶鲁大学用它做 Cell2Sentence-Scale 来发现新的癌症治疗路径。
Apache 2.0——商用友好，没有使用门槛。可以把模型部署在本地或任何云环境，数据完全自控。这是 Google 这次相对前几代明显放开的一点。
Netflix 高级工程师开发的开源工具 Headroom，在指令到达大模型之前精简冗余词元，可逆压缩、无损上下文，已为用户省下 70 万美元。
用 Pi 智能体框架配合 LM Studio 推理引擎，在本地 Mac 上跑 Gemma 4 完成 Agent 编码任务，附完整 Docker 配置和 models.json 示例。
清华微软联合开源的多智能体推理框架，通过 Reasoner、Verifier、Meta-Strategist 三个角色让长程推理可验证可回溯，Apex 基准超 GPT-5.5 达 13.5%。