Google 于 2026 年 4 月 2 日正式发布新一代开源模型家族 Gemma 4。这一系列模型基于公司旗舰大模型 Gemini 3 的最新研究成果打造，在复杂推理能力、工具调用以及 AI 智能体（Agent）场景上进行了重点强化。本次发布也是 Gemma 系列首次采用 Apache License 2.0，大幅放宽了商用、改造与再分发等使用限制。
基于 Gemini 研究成果的下一代开源模型
Gemma 是 Google 面向开发者社区开放的模型系列，用于将公司前沿的大模型研究成果以开源或开放形式对外提供。
在本次发布的 Gemma 4 中，Google 将 Gemini 3 系列 的研究成果下放到开源模型上，重点增强了：
- 复杂推理与逻辑能力
- 工具与 API 的调用能力
- 面向智能体（Agent）的工作流支持
据 Google 介绍，Gemma 系列模型迄今已被下载超过 4 亿次，衍生出的社区模型超过 10 万个。在这一庞大生态基础上，Gemma 4 被定位为面向下一阶段应用需求的「新一代开源模型家族」。
模型性能对比：Elo 评分表现
Google 公布的评测结果显示，Gemma 4 系列中的高端模型在参数规模与性能之间取得了较高的性价比。
在图中，诸如：
- gemma-4-31B-thinking
- gemma-4-26B-A4B-thinking
等模型，在相对较小的参数规模下取得了较高的 Elo 分数。
与图中列出的其他开源模型：
- Qwen
- Mistral
- DeepSeek
等相比，Gemma 4 的部分模型落在「更高性能 / 更高效率」的区域，显示出在模型体积与推理能力之间的良好平衡。
@YouTube
面向「智能体时代」的模型设计
Gemma 4 并非仅仅面向传统的文本生成任务，而是从一开始就以 AI 智能体（Agent） 的应用场景为核心进行设计。
其主要能力包括：
- 处理复杂的逻辑推理
- 生成多阶段、分步骤的任务计划
- 支持智能体式的工作流编排
- 原生支持工具与外部 API 调用
借助这些能力，开发者可以构建能够「规划 → 执行 → 调用外部工具」的一体化 AI 智能体，用于自动化业务流程、复杂信息检索、代码修改与执行等场景。
最多 25 万 Token 的上下文窗口
Gemma 4 高规格模型支持最长 250,000 Token 的上下文窗口。这一规模的上下文长度，使其适用于：
- 大型代码库的整体分析与重构
- 持续时间较长的多轮对话与协作
- 需要跨多文档、多步骤的复杂推理流程
对于需要处理长文档、长对话或复杂工作流的应用，这一能力可以显著减少「分段输入」「手动总结」等额外操作。
强调本地运行的「端侧 AI」设计
与许多仅面向云端的大模型不同，Gemma 4 在设计之初就强调 本地运行（On-device / Local AI） 的能力。
支持的设备包括：
- 智能手机
- 笔记本电脑
- 台式机等个人计算设备
在这些设备上，Gemma 4 可以直接在本地硬件上进行推理，无需将数据上传至云端。这种方式有助于：
- 提升隐私与数据安全
- 降低网络依赖与延迟
- 支持离线或弱网环境下的 AI 应用
模型家族构成
Gemma 4 根据不同的使用场景，提供了多种规模与结构的模型版本：
-
26B MoE
采用 Mixture of Experts（专家混合）结构，有效参数约 3.8B，在保证推理速度的同时提供较高性能，适合在 PC 等本地环境中运行高性能 AI 应用。 -
31B Dense
高密度（Dense）结构模型，重点优化输出质量，适合对回答精度、细节和一致性要求更高的任务，如专业问答、代码生成、复杂写作等。 -
Effective 4B
面向内存受限环境的高效模型，兼顾性能与资源占用，适合在移动设备、边缘设备或 IoT 场景中部署。 -
Effective 2B
体积最小的版本，面向实时响应、多语言交互等移动端场景，可在资源更有限的设备上实现基础推理与多语言任务处理。
多语言与多模态支持
Gemma 4 被设计为 多语言模型，支持 140+ 种语言，可用于全球化应用与跨语言场景。
在多模态方面：
- 2B 模型
- 4B 模型
支持将 语音与视觉输入 融合到同一模型中，实现多模态处理能力。开发者可以基于这些模型构建：
- 同时理解语音指令与屏幕内容的助手
- 结合图像理解与文本推理的应用
- 实时处理音频、图像与文本的交互式系统
采用 Apache 2.0 许可，放宽商用与再分发
在许可协议方面，Gemma 4 相比此前版本有重大变化：
- 早期 Gemma 系列采用的是 Google 自有许可
- Gemma 4 改为采用 Apache License 2.0
在 Apache 2.0 许可下，开发者可以：
- 自由用于 商用场景
- 对模型进行 修改与微调
- 将模型或衍生版本进行 再分发
- 将其集成到 开源项目 中
这一调整大幅降低了企业与个人开发者在法律与合规层面的顾虑，有望进一步扩大 Gemma 生态。
根据主导研发的 Google DeepMind 介绍，Gemma 4 在开发过程中沿用了与专有模型（Proprietary Models）同等级别的安全评估与安全协议，目标是满足 企业级（Enterprise） 使用场景对安全性与可靠性的要求。
