谷歌2026年4月2日宣布推出新一代开源模型Gemma 4，称这是其迄今“最智能”的开源模型，主要面向高级推理和智能体工作流等应用场景。
谷歌称，Gemma 4基于与“双子座3”(Gemini 3)模型相同的研究和技术体系构建，并对商业使用限制较少。谷歌表示，Gemma 4是其在“相同体量下能力最强”的开源模型。
据谷歌介绍，Gemma 4提供高效20亿参数版（E2B）、高效40亿参数版（E4B）、260亿混合专家模型（MoE）与310亿稠密模型（31B）四种规格的通用模型，以适配从移动设备、笔记本电脑到开发工作站和加速器等不同硬件环境。其中较大模型可在个人电脑等设备上支持更高水平的离线推理，小型模型则更侧重于移动端和物联网设备上的低延迟、多模态和离线运行能力。31B 模型目前在行业标准 Arena AI 文本榜单中位列全球开源模型第三，26B 模型位居第六。Gemma 4 在榜单上的表现甚至超越了自身规模 20 倍的模型。对开发者而言，这种全新的单位参数智能水平意味着，只需大幅更少的硬件开销，即可实现前沿级 AI 能力。
在端侧设备上，E2B 与 E4B 模型重新定义了本地部署价值：相比单纯堆砌参数，更侧重多模态能力、低延迟处理与生态无缝集成。
以下是 Gemma 4 模型系列的核心优势：
高级推理：具备多步规划与深度逻辑能力，在数学、指令执行等需要复杂推理的基准测试中实现显著提升。
智能体工作流：原生支持函数调用、结构化 JSON 输出与系统指令，可构建能对接各类工具、API 并可靠执行工作流的自主智能体。
代码生成：支持高质量离线代码生成，将工作站变为本地化 AI 编程助手。
视觉与音频：全系模型原生支持视频、图像处理，兼容可变分辨率，在 OCR、图表理解等视觉任务上表现出色；E2B 与 E4B 模型额外搭载原生音频输入能力，可实现语音识别与理解。
更长上下文：流畅处理长文本内容。端侧模型上下文窗口达 128K，大模型最高支持 256K，可在单次提示中传入代码库或长文档。
140 + 种语言：基于超 140 种语言原生训练，助力开发者为全球用户打造包容、高性能的应用。
26B 与 31B 模型
为让研究者与开发者在通用硬件上实现顶尖推理能力而优化，非量化 bfloat16 权重可高效适配单张 80GB 英伟达 H100 GPU；本地部署场景下，量化版本可直接在消费级 GPU 上运行，支撑集成开发环境、编程助手与智能体工作流。26B 混合专家模型（MoE）侧重低延迟，推理时仅激活总参数中的 38 亿，实现极快的令牌生成速度；31B 稠密模型则最大化原始性能，为微调提供强大基础。
E2B 与 E4B 模型
从底层设计便追求极致算力与内存效率，推理时实际占用参数分别为 20 亿与 40 亿，节省内存与设备电量。与谷歌 Pixel 团队、高通、联发科等移动硬件厂商深度合作，让这些多模态模型可在手机、树莓派、英伟达 Jetson Orin Nano 等端侧设备上完全离线、近零延迟运行。安卓开发者现已可在 AICore 开发者预览版中搭建智能体流程，实现与 Gemini Nano 4 的向前兼容。
Gemma 4采用Apache 2.0协议开源，可以随意商用，支持140多种语言和函数调用，并打通音视频多模态输入，针对AI智能体及编程场景进行优化。
Gemma 4系列被谷歌称为“迄今为止最智能的开放模型系列”，可处理复杂逻辑与智能体工作流，在开源模型榜单表现优异，并优化端侧运行以支持手机离线场景。
谷歌在公告中说，Gemma自第一代发布以来，累计下载量已超过4亿次，衍生模型变体超过10万个。
项目地址（*）：https://deepmind.google/models/gemma/
以下为 Gemma 4 四个版本（E2B、E4B、26B MoE、31B Dense） 的最低硬件要求与推荐配置（以推理为主，含量化/非量化、显存/内存、典型硬件），数据来自谷歌官方与 Unsloth 等权威部署指南。
一、Gemma 4 版本概览
E2B（高效20亿）：总参5.1B、有效激活2.3B，端侧/手机/IoT，128K上下文，多模态（含音频）
E4B（高效40亿）：总参8B、有效激活4.5B，端侧/手机/笔记本，128K上下文，多模态（含音频）
26B MoE（260亿混合专家）：总参25.2B、推理仅激活3.8B，消费级GPU/工作站，256K上下文，多模态（无音频）
31B Dense（310亿稠密）：全激活31B，旗舰性能，256K上下文，多模态（无音频）
二、硬件要求总表（单位：GB，显存/内存，GGUF 量化）
| 模型 | 最低配置（4-bit 量化） | 推荐配置（8-bit 量化） | 最佳配置（BF16/FP16 非量化） | 典型部署硬件 |
|---|
| E2B | 显存/内存 ≥ 4 | 显存/内存 ≥ 5–8 | 显存/内存 ≥ 10 | 树莓派5、Jetson Nano、手机（Pixel/高通/联发科）、轻薄本 |
| E4B | 显存/内存 ≥ 5.5–6 | 显存/内存 ≥ 9–12 | 显存/内存 ≥ 16 | 手机、Apple Silicon、中端笔记本、Jetson Orin |
| 26B MoE | 显存 ≥ 16–18 | 显存 ≥ 28–30 | 显存 ≥ 52 | RTX 4090/4080 Ti、A100（40GB）、消费级工作站 |
| 31B Dense | 显存 ≥ 17–20 | 显存 ≥ 34–38 | 显存 ≥ 62 | H100（80GB）、B200、A100（80GB）、高端服务器 |
三、分版本详细要求
1. Gemma 4 E2B（高效20亿）
2. Gemma 4 E4B（高效40亿）
3. Gemma 4 26B MoE（260亿混合专家）
最低配置
显存：≥18GB（4-bit 量化，单消费级GPU）
硬件：RTX 4080（16GB，需部分内存卸载）、RTX 4090（24GB）、A100（40GB）
场景：低延迟推理、本地 IDE 助手、轻量 Agent
推荐配置
最佳配置
4. Gemma 4 31B Dense（310亿稠密）
四、关键说明
量化优先级：本地部署优先 4-bit/8-bit GGUF，显著降低显存需求、性能损失小。
内存 vs 显存：E2B/E4B 可纯内存（CPU）运行；26B/31B 必须 GPU 显存为主，内存仅作卸载缓冲。
端侧优化：E2B/E4B 与 Pixel、高通、联发科深度优化，支持手机离线零延迟推理。
MoE 优势：26B MoE 推理仅激活 3.8B，速度接近 4B 模型，显存需求远低于同参稠密模型。
上下文窗口：E2B/E4B 最大 128K，26B/31B 最大 256K，长上下文会额外占用显存。
五、快速选型建议
手机/边缘/IoT → E2B（最低 4GB 内存）
笔记本/本地轻量 → E4B（最低 6GB 内存/显存）
消费级 GPU、低延迟优先 → 26B MoE（最低 18GB 显存）
最高性能、研究/生产 → 31B Dense（最低 20GB 显存，推荐 H100）
经验首页