KechuAI

Gemma 4：Google 把 Gemini 3 研究下放给开源多模态模型

AI
开源
Google
多模态
大模型
Gemma
2026/9/29
·

阅读时间: 大约 6 分钟

Gemma 4：Google 把 Gemini 3 研究下放给开源多模态模型

Gemma 4 官方首屏：定位为"我们最智能的开放模型，基于 Gemini 3 研究与技术，最大化每参数智能密度"

Gemma 是 Google 的开源模型线，一直与闭源 Gemini 形成高低搭配。据 DeepMind 官方页面，Gemma 4 是”our most intelligent open models, built from Gemini 3 research and technology to maximize intelligence-per-parameter”——核心卖点是”每参数智能密度”，即在不堆参数的前提下尽量把 Gemini 3 的研究成果下放给可自部署的开放模型。本文基于官方页面实读数据。

一、两档定位：端侧与个人电脑

官方把模型分成两组：

  • E2B & E4B：主打”最高的计算与内存效率”，面向手机、树莓派、Jetson Nano 等边缘设备，支持音视觉、可完全离线、近零延迟运行；
  • 12B / 26B / 31B：主打”前所未有的每参数智能”，面向个人电脑、IDE、编码助手与 Agent 工作流，针对消费级 GPU 优化，“把工作站变成本地优先的 AI 服务器”。

也就是说，Gemma 4 同时覆盖”端侧离线”与”本地工作站”两个开源主战场。

二、官方基准（页面实读，截至 2026-04-02）

Gemma 4 官方 Performance 区基准表（实读截图）：MMMU Pro、AIME 2026、LiveCodeBench v6、GPQA、τ2-bench 各项成绩

基准（No tools 除非标注）31B IT (Thinking)26B A4B ITE4B ITE2B IT对照 Gemma 3 27B
Arena AI（文本）14521441——1365
MMMLU（多语种问答）85.2%82.6%69.4%60.0%67.6%
MMMU Pro（多模态推理）76.9%73.8%52.6%44.2%49.7%
AIME 2026（数学）89.2%88.3%42.5%37.5%20.8%
LiveCodeBench v6（竞赛编码）80.0%77.1%52.0%44.0%29.1%
GPQA Diamond（科学知识）84.3%82.3%58.6%43.4%42.4%
τ2-bench（零售 Agentic 工具调用）86.4%85.5%57.5%29.4%6.6%

可以看到，31B 相对上一代 Gemma 3 27B 提升明显（AIME 从 20.8% 到 89.2%、LiveCodeBench 从 29.1% 到 80%），而最小的 E2B 在 Agentic 任务（τ2-bench 仅 29.4%）上仍与 31B 有数量级差距。

三、能力面（官方列出）

  • Agentic 工作流：原生支持 function calling，可规划、操作应用、完成任务；
  • 多模态推理：具备较强的音频与视觉理解；
  • 140 种语言：不止翻译，强调理解文化语境；
  • 可微调：可用自选框架微调；
  • 高效架构：可跑在自有硬件上。

四、口径偏差与局限

  1. 基准是官方自测、且标注”No tools”：AIME/GPQA 等”No tools”成绩是模型裸推理；编码与 Agentic 成绩则是另一类设置。跨基准比较时注意是否带工具。
  2. “每参数智能”是营销叙事：1452 vs 1365 的 Arena 分差确实领先旧版，但与闭源旗舰的同场对比官方并未给出。
  3. E 系列能力衰减快：E2B 在 τ2-bench 仅 29.4%，端侧小模型做 Agentic 仍不现实；“能离线跑”≠“能干活”。
  4. 对标口径：官方只与自家 Gemma 3 27B 对比，未直接同场比较 Qwen/Mistral 同规格模型——第三方横评仍需自查。
  5. 配图说明：两张图均截自 DeepMind 官方 Gemma 4 页面（首屏定位与 Performance 基准表），数据以官方 model card 为准。

五、适用 / 不适用

适合：

  • 要在手机/树莓派/Jetson 上离线跑多模态小模型的场景；
  • 想用消费级 GPU 把工作站变成本地 AI 服务器、做编码助手的开发者；
  • 需要开源权重、可微调、自部署的团队。

不适用：

  • 追求闭源旗舰级推理上限的任务；
  • 期待 E2B/E4B 胜任复杂 Agentic 工具调用的场景（τ2-bench 仅 ~30%）。

六、它意味着什么

Gemma 4 的看点是”下放”：把 Gemini 3 的研究做成端侧到工作站都能跑的开源模型，且 31B 在数学、编码上的官方数字相当亮眼。它是否真能在同规格开源模型里占优，还要看第三方横评；但方向明确——Google 在认真缩小开源线与 Gemini 之间的差距，并把多模态、函数调用、140 语言做成全系标配。

参考来源