谷歌Gemma 4开源，31B参数性能逼近头部开源模型
今天凌晨，Google DeepMind 发布了新一代开源模型 Gemma 4：以 30B 左右的参数，逼近其他头部开源模型
Gemma 是 Google 的开源模型系列，和闭源旗舰 Gemini 共享底层技术，权重完全公开，任何人可以下载、修改、部署。上一代 Gemma 3 是 2025 年 3 月发的，到这次更新整整一年。在这一年里国内几家开源模型已经迭代了好几轮，Google 在开源赛道的存在感越来越弱
这次一口气放出四款模型，分别是 2B、4B、26B 和 31B，覆盖了手机到工作站全场景。许可证从 Google 自有协议换成了 Apache 2.0
Gemma 4 在 Arena AI 开源排行榜的 Elo 评分 vs 参数量，31B 排第三，26B MoE 排第六
四款模型
Gemma 4 发布了四个版本，分大模型组和小模型组
31B Dense：310 亿参数全激活，60 层，256K 上下文。追求质量上限，Arena AI 开源排行榜第三。未量化 bfloat16 权重一张 80GB H100 就能装下，量化后消费级显卡也能跑
26B A4B MoE：252 亿总参数、38 亿激活参数，MoE 架构（128 个专家，每次激活 8 个加 1 个共享），30 层，256K 上下文。推理速度接近 4B 模型，质量远超 4B 水平。排行榜第六
四款模型架构参数对比
E4B：80 亿总参数、45 亿有效参数，42 层，128K 上下文。名字里的 E 是 Effective 的缩写，小模型用了 Per-Layer Embeddings 技术，有效参数远小于总参数
E2B：51 亿总参数、23 亿有效参数，35 层，128K 上下文。据官方说法，在部分设备上内存占用可以压到 1.5GB 以下
官方的四款模型能力对比
所有模型都支持图像和视频输入，支持 140 多种语言
各模型均为多模态，小模型支持语音输入，大模型反而不支持
E2B 和 E4B 各自带了一个约 3 亿参数的音频编码器，可以做语音识别和语音翻译（最长 30 秒）。大模型没有音频能力。从产品逻辑看，手机端语音是刚需，工作站场景下不是
Google 和 Pixel 团队、高通、联发科合作优化了端侧部署。E2B 和 E4B 可以在手机、树莓派、NVIDIA Jetson Orin Nano 上完全离线运行
成绩
先说结论：相比上一代 Gemma 3 27B，多个核心指标的提升是代际级别的
Gemma 4 完整 Benchmark 数据，最后一列为 Gemma 3 27B 基线
数学：AIME 2026 竞赛测试，31B 拿到 89.2%，Gemma 3 27B 是 20.8%
代码：Codeforces ELO 从 110 拉到 2150。LiveCodeBench v6 从 29.1% 到 80.0%。代码是这次进步最大的方向
综合推理：GPQA Diamond（研究生级科学问答）从 42.4% 到 84.3%。MMLU Pro 从 67.6% 到 85.2%
视觉：MMMU Pro 从 49.7% 到 76.9%。文档 OCR（OmniDocBench）从 0.365 到 0.131
长上下文：MRCR v2 128K 从 13.5% 到 66.4%。长上下文此前是 Gemma 的短板，这次补回来了
多语言：MMMLU 从 70.7% 到 88.4%。原生训练了 140 多种语言
26B MoE 和 31B 在大部分指标上只差 2 到 5 个百分点，但推理速度快得多。延迟敏感的场景下 26B MoE 性价比更高
E4B 的 MMLU Pro 69.4%%，有效参数只有 45 亿，接近上一代 27B 的水平
核心能力
推理和思考。四款模型都内置了可开关的思考模式，开启后模型先输出内部推理再给答案。数学、逻辑、多步骤规划类任务效果好很多，和 Gemini 的 thinking 能力同源
Agent 工作流。原生支持函数调用和结构化 JSON 输出，可以让模型调用外部工具和 API。Google 同步发布了 Agent Development Kit（ADK），一个开源的 Agent 框架。端侧 E2B/E4B 也能跑 Agent，Google AI Edge Gallery 里已有示范应用
代码生成。支持离线写代码。Codeforces ELO 2150、LiveCodeBench 80.0%，在代码补全和生成场景里是可用的
多模态理解。所有模型都能处理图片和视频（视频按帧处理，最长 60 秒）。图片支持可变分辨率和宽高比，视觉 token 预算可手动配置（70 到 1120 五档），低预算换速度，高预算换精度。OCR、文档解析、图表理解是重点场景
长文档。大模型 256K 上下文，小模型 128K。架构上用混合注意力机制（局部滑动窗口 + 全局注意力交替），全局层用统一 KV 和 Proportional RoPE 优化长上下文的内存占用
多语言。原生训练 140 多种语言，MMMLU 88.4%
Apache 2.0
之前 Gemma 1/2/3 用的都是 Google 自己的许可协议，虽然允许商用但有附加条款。这次直接换成了 Apache 2.0，开源社区最认可的商业友好型许可证之一。开发者可以自由修改、分发、商用，没有用户量门槛
Hugging Face 联合创始人 Clément Delangue 评价这是一个重大里程碑。从 Gemma 系列自身看（三代自定义协议 → Apache 2.0），这是一个明确的转向
Google 用许可证的选择回答了一个讨论了两年的问题：大厂做开源到底有多大诚意
开源赛道的竞争者
Arena AI 开源排行榜上，Gemma 4 31B 排第三、26B MoE 排第六。排在前面的主要是国内的开源模型
目前开源赛道的主要竞争者是 DeepSeek（V3.2 在用，V4 即将发布）、通义千问 Qwen3.5、智谱 GLM-5.1、MiniMax M2.5、月之暗面 Kimi K2.5。这几家在今年春节前后密集发布了新版本，参数量从几百亿到上千亿不等，在推理、代码、Agent 等方向各有侧重
Gemma 4 最大只有 31B，参数量的天花板是一个限制。但 Gemma 4 在端侧部署的工程完整度上做得最深：和高通、联发科的芯片级合作，和 Android 生态的原生打通，加上 Apache 2.0 的合规便利，这些是它的差异化
训练数据截止到 2025 年 1 月，且没有公开训练数据的具体组成
