Gemma 4 開源發布：Apache 2.0、MoE 與 256K 上下文

2026 年 4 月 2 日，Google DeepMind 發布 Gemma 4 開源模型家族——Gemma 系列一年來的首次大改版。最重要的變化不在模型能力，而在授權：全系列改用 Apache 2.0，捨棄沿用兩代的自訂 Gemma 條款，讓 Google 的開源模型第一次真正「無條件可用」——沒有額外使用限制，也沒有可單方變更的商用條款。

模型陣容一次到位：E2B、E4B 兩個端側模型，26B MoE（推理僅啟動約 3.8B 參數）與 31B Dense，全部以 Gemini 3 技術為基礎，原生支援 140 種以上語言、最高 256K 上下文。Google 的定位一句話：至今最聰明的開源模型，專為進階推理與代理式工作流而建。

從自訂授權到 Apache 2.0

前兩代 Gemma 免費開放商用，但採 Google 自訂授權：須接受附加條款，命名與用途受約束。個人開發者多半無感，企業平台團隊卻得面對法務審查與條款可能變動的不確定性。Ars Technica 把改用 Apache 2.0 視為這次發布的核心訊息，而非行銷裝飾。

時間點同樣關鍵。年初的開年觀察還在追蹤 Meta 傳出 Avocado 可能轉向閉源的訊號；三個月後，Google 用一紙 Apache 2.0 給出反向答案——開源路線的分歧正在拉大。

四種尺寸：從手機到單張 H100

Gemma 4 的設計邏輯是「一份研究、多種部署目標」：

E2B（約 2B 有效參數）與 E4B（約 4.5B）：鎖定手機、Raspberry Pi 與 Jetson Orin Nano，離線近零延遲，與 Pixel 團隊、Qualcomm、MediaTek 共同調校
26B MoE：總參數 26B、推理僅啟動約 3.8B，成本與延遲導向
31B Dense：品質導向，官方定位為微調的強力基底

兩個大模型的 bf16 未量化版本可放進單張 80GB H100，量化後連消費級 GPU 都能跑；端側上下文 128K，大模型 256K。

效能數字與 Arena 排名

依 Hugging Face 首日評測：31B 在 MMLU Pro 拿 85.2%、AIME 2026 89.2%、GPQA Diamond 84.3%、LiveCodeBench 80.0%；26B MoE 為 82.6%、88.3%、77.1%，多數指標明顯超越 Gemma 3 27B。

排名更直觀：截至 4 月 1 日，31B 名列 Arena 文字排行榜開源第三、26B 第六，後者以約 4B 啟動參數拿到約 1441 的 LMArena 估計分數。「擊敗體積 20 倍的模型」是行銷語言，但 4B 啟動參數站上開源前段班，經濟學上是真的。

代理人工作流與多模態能力

全系列原生處理影像與影片（可變解析度），具備 OCR 與圖表理解；E2B、E4B 另有原生語音輸入。針對代理式工作流，模型支援 GUI 元素偵測、JSON 邊界框物件偵測、多模態函式呼叫與 thinking mode，把「看螢幕、點按鈕、呼叫工具」的感知能力建進權重。

生態首日就緒：權重在 Hugging Face、Kaggle、Ollama 開放下載，transformers、llama.cpp、MLX、Unsloth 第一天支援；Android 端驅動 Android Studio 的 Agent Mode，並透過 AICore 前向相容未來的 Gemini Nano 4。實驗性的 DiffusionGemma 以離散擴散生成文字，H100 FP8 上每秒逾 1,100 token，但多數基準仍落後自回歸版本。

對開發者與產品團隊的意義

三個判斷。第一，Apache 2.0 把「能不能用」的問題消掉：嵌入、修改、再散布都不必簽廠商條款，省下數週級的法務流程。第二，26B MoE 最有產品價值：以約 4B 啟動參數的成本換到接近 31B 的品質，單張 H100 可承載，適合高吞吐功能。第三，端側型號讓離線與隱私敏感場景——現場設備、無網路環境、資料不出裝置——有了可信選項。

生態規模可參考：Gemma 累積下載逾 4 億次、變體逾 10 萬個，案例從 INSAIT 的保加利亞語 BgGPT 到 Yale 的 Cell2Sentence-Scale 癌症研究；安全評估比照 Google 專有模型。要在 2026 年選開源基線，首選名單變短了。

參考來源

本文由 AI 協助自上述來源整理，經人工審核後發布。