Gemma 4: Jede Größe in Googles Open-Weight-Familie erklärt

Es gibt nicht das eine Gemma 4, das man nachschlagen könnte. DeepMinds aktuelle Open-Weight-Reihe besteht aus fünf separaten Modellen – Gemma 4 E2B, Gemma 4 E4B, Gemma 4 12B, Gemma 4 26B A4B und Gemma 4 31B –, verteilt über zwei Architekturen und zwei Kontextfenster-Stufen, und sie widersprechen sich gegenseitig bei der Frage, mit der die meisten Leser ankommen. Drei der fünf akzeptieren Audio. Zwei nicht. Zwei der fünf sind die Art von Modell, die man über eine API aufruft; das 12B ist die Art, die man herunterlädt. Die Größe falsch einzuschätzen ist die häufigste Art, mit dieser Familie ein Wochenende zu vergeuden, und nichts auf dem Hub des Anbieters selbst macht die Aufteilung auf einen Blick deutlich.

Diese Lücke ist messbar, und sie ist der Grund, warum es diese Seite gibt. In unseren eigenen Search-Console-Daten für den 15.09.2026 bis 12.10.2026 erzielte die Gemma-4-Facette 499 Impressionen und 5 Klicks über 47 Suchanfragen. Der nackte Begriff – jemand tippt einfach „gemma 4“ ein – machte 24 Impressionen und null Klicks bei zwei Suchanfragen aus. Die sechs größten Suchanfragen im gesamten Umfeld sind Vergleiche, und jeder einzelne davon richtet sich gegen ein Qwen-3.8-Modell: gemma 4 vs qwen 3.8 (99 Impressionen), gemma 4 vs qwen3.8 (40), gemma 4 vs qwen 3.8 27b (29). Und der Live-Blog beantwortet die Matchups des 12B bereits ausführlich – drei gemma-4-12b-vs-* Vergleiche beginnen mit diesem Modell, und vierzig weitere tragen es auf der anderen Seite des Versus. Jeder einzelne davon setzt dasselbe encoderfreie Gemma 4 12B gegen einen anderen Gegner. Leser fragen nicht, was Gemma 4 ist. Sie fragen, ob es etwas schlägt. Diese Frage gehört auf die Vergleichsseiten. Was die Vergleiche brauchen – und was noch nicht geschrieben wurde –, ist ein einziger Ort, der präzise sagt, was Gemma 4 ist und welche Größen es gibt.

Was Gemma 4 tatsächlich ist

Gemma 4 ist die Open-Weight-Modellfamilie von DeepMind, veröffentlicht sowohl in vortrainierter als auch in instruktionsoptimierter Form, wobei die instruktionsoptimierten Checkpoints das -it-Suffix tragen. Die Familie umfasst dichte und Mixture-of-Experts-Designs, fünf Größen und einen gemeinsamen Satz architektonischer Entscheidungen: hybride Attention, die lokale Sliding-Window-Attention mit vollständiger globaler Attention verschachtelt, wobei die letzte Schicht immer global ist; vereinheitlichte Keys und Values in den globalen Schichten plus proportionales RoPE, um den Speicherbedarf bei langem Kontext im Zaum zu halten; ein Vokabular mit 262.000 Token; konfigurierbare Denkmodi; native Funktionsaufrufe; und native Unterstützung für die system-Rolle. In den Modellkarten heißt es, die Modelle seien auf mehr als 140 Sprachen vortrainiert worden, wobei über 35 von Haus aus unterstützt werden.

Zwei Dinge an der Familie geben für die meisten Leser den Ausschlag, bevor die Leistung überhaupt zur Sprache kommt.

Das erste ist die Lizenz. Jede Gemma-4-Größe der Familie erscheint unter Apache 2.0. Das ist ein Wandel in der Haltung: Die Veröffentlichungen von Gemma 2 und Gemma 3 trugen die eigenen Gemma Terms of Use, und ihre Modellkarten auf Hugging Face lesen sich noch immer als license: gemma. Die Gemma-4-Karten verweisen stattdessen auf einen Apache-2.0-Lizenztext, und der Launch-Beitrag beschreibt die Familie als „unter einer kommerziell permissiven Apache-2.0-Lizenz veröffentlicht". Für alle, die sich schon einmal mit den Gemma Terms of Use auseinandersetzen mussten, ist das die zentrale Aussage auf dieser Seite. Sie gilt pro Größe und wird auf der Modellkarte jeder einzelnen Größe angegeben – nicht aus einer Aussage auf Familienebene abgeleitet.

Der zweite Punkt ist, dass „Gemma 4“ kein einzelnes Modell ist und die Größen keine skalierten Kopien voneinander sind. E2B und E4B verwenden einen Trick namens Per-Layer Embeddings, bei dem jede Encoder-Schicht eine eigene kleine Embedding-Tabelle pro Token erhält; diese Tabellen sind groß, werden aber nur per Lookup gelesen, weshalb die Karte effektive Parameterzahlen (2,3B und 4,5B) angibt, die weit unter den Zählungen einschließlich Embeddings (5,1B und 8B) liegen. Das 12B ist architektonisch der Sonderfall – es ist encoderfrei und projiziert rohe Bild-Patches und Audio-Wellenformen direkt durch leichtgewichtige lineare Schichten in den Transformer, statt durch spezielle Vision- und Audio-Encoder. Das 31B ist ein herkömmliches dichtes Modell. Das 26B A4B ist sparse. Vier verschiedene Maschinenprofile, ein Familienname.

Die Größentabelle

Hier ist die Familie, so wie ihre eigenen Modellkarten sie beschreiben. Die unten stehenden Parameter, Layer-Anzahlen und Kontextfenster sind den Dense- und MoE-Spezifikationstabellen auf den Gemma-4-Modellkarten entnommen.

Gemma 4 E2B. Das kleinste Mitglied: 2,3 Mrd. effektive Parameter, 5,1 Mrd. einschließlich Embeddings, 35 Schichten, ein gleitendes Fenster von 512 Token und ein 128K-Kontext. Es verarbeitet Text, Bild und Audio, mit ungefähr 150 Mio. Parametern für den Vision-Encoder und rund 300 Mio. für Audio. Es ist für Smartphones und IoT-Geräte konzipiert und gehört nicht zu den drei Größen, für die der Anbieter in diesem Batch eine separate Seite bereitgestellt hat – wenn Sie speziell wegen E2B hier sind, ist dieser Abschnitt alles, was es dazu gibt.

Gemma 4 E4B. Das gleiche Design eine Stufe höher: 4,5 Mrd. effektive Parameter, 8 Mrd. einschließlich Embeddings, 42 Schichten, ein gleitendes Fenster von 512 Tokens, 128K Kontext und die gleiche Text-, Bild- und Audioabdeckung mit den gleichen Encoder-Größen. Ebenfalls ein Edge-Modell, ebenfalls ohne eigene Seite hier.

Gemma 4 12B. Die vereinheitlichte, encoderfreie Mitte der Familie: 11,95B Parameter, 48 Schichten, ein gleitendes Fenster von 1.024 Token, 256K Kontext und natives Audio neben Text und Bild – was der Launch-Post vom 3. Juni 2026 als das erste mittelgroße Gemma bezeichnet, das Audio unterstützt. Die eigene Formulierung des Anbieters für lokale Bereitstellung ist 16 GB VRAM oder Unified Memory. Es hat seine eigene Seite in diesem Batch, und die gesamte Live-Suchpräsenz der Familie besteht heute aus drei gemma-4-12b-vs-* Vergleichen, sodass diese Seite stark ins Gewicht fällt.

Gemma 4 26B A4B. Das Sparse-Modell und das, worum es im Notationsabschnitt dieser Seite weiter unten geht: insgesamt 25,2B Parameter, 30 Schichten, ein gleitendes Fenster von 1.024 Token, 256K Kontext, nur Text und Bild – kein Audio – sowie 8 aktive Experten von 128 plus ein gemeinsamer Experte. Es hat eine eigene Seite in diesem Batch.

Gemma 4 31B. Das dichte Topmodell: 30,7B Parameter, 60 Schichten, 1.024-Token-Sliding-Window, 256K Kontext, Text und Bild mit einem ~550M Vision-Encoder und überhaupt kein Audio. Es hat eine eigene Seite in diesem Batch.

Stellt man die fünf nebeneinander, ist die Staffelung in einer Hinsicht sauber und in einer anderen chaotisch. Das Kontextfenster richtet sich exakt nach der Größe – 128K unterhalb von 12B, 256K bei 12B und darüber. Bei Audio ist das nicht der Fall: Es ist bei den zwei kleinsten Größen und beim 12B verfügbar und fehlt bei den zwei größten. Wenn du Spracheingabe benötigst, ist das 31B-Modell die falsche Wahl, egal, wie viel du bereit bist, für Hardware auszugeben.

Das „A4B" in 26B A4B, entschlüsselt

Der Name enthält zwei Zahlen, und nur eine davon ist eine Parameteranzahl, die man für die Speicherplanung heranziehen würde. Die 26B ist die Gesamtzahl: 25,2B Parameter stecken im Checkpoint. A4B ist die Anzahl der aktiven Parameter – während der Inferenz werden pro Token ungefähr 3,8B Parameter berührt, weil der Mixture-of-Experts-Router für jedes Token 8 von 128 Experten (plus einen geteilten Experten) auswählt. Die Modellkarte benennt das „A“ ausdrücklich: „Das ‚A‘ in 26B A4B steht für ‚active parameters‘ im Gegensatz zur Gesamtzahl der Parameter, die das Modell enthält.“

Was dir das bringt, ist eine Inferenzgeschwindigkeit, die näher an einem 4B-Modell als an einem 26B-Modell liegt, während die Qualität näher am dichten 31B-Modell liegt – die eigene Beschreibung der Modellkarte und der Grund, warum das 26B A4B überhaupt als Stufe existiert. Was es dir nicht bringt, ist ein kleiner Download. Du lädst alle 25,2B Parameter; du multiplizierst nur nicht mit allen davon.

Offene Gewichte, je Größe, und was die Lizenz erlaubt

Alle fünf Größen sind Open-Weights-Releases, und alle fünf Modellkarten geben Apache 2.0 an – E2B, E4B, 12B, 26B A4B und 31B gleichermaßen. Der Launch-Beitrag beschreibt die Familie als „unter einer kommerziell permissiven Apache-2.0-Lizenz veröffentlicht“, die Entwicklern Kontrolle über ihre Daten, ihre Infrastruktur und ihre Modelle gibt, und der 12B-Beitrag wiederholt die Apache-2.0-Angabe für diese Größe.

Apache 2.0 ist hier die ganze Lizenzgeschichte, doch es lohnt sich, präzise zu sein, was das bedeutet, denn es handelt sich um die Frage, die die Lizenz beantwortet, und nicht um eine Aussage über irgendeinen gehosteten Dienst. Apache 2.0 gewährt eine unbefristete, weltweite, nicht ausschließliche, gebührenfreie Urheberrechtslizenz sowie eine entsprechende Patentgewährung, erlaubt Weiterverbreitung und Modifikation und verlangt, dass der Lizenztext mit dem Werk weitergegeben wird und dass geänderte Dateien gekennzeichnet werden. Die Patentgewährung erlischt, wenn Sie wegen des Werks Patentklage einreichen. Sie gewährt keine Markenrechte über die übliche beschreibende Verwendung hinaus und schließt Gewährleistungen aus. Verglichen mit den Nutzungsbedingungen von Gemma 2 und 3 besteht der praktische Unterschied darin, dass Apache 2.0 eine standardmäßige permissive Lizenz ist, an die kein separater Katalog zulässiger Nutzung geknüpft ist, der für die Gewichte gilt.

Die Lizenz erlaubt also die Weiterverbreitung, die kommerzielle Nutzung, die Modifizierung und Fine-Tunes dieser Gewichte, und die Gewichte selbst sind veröffentlicht. Das ist der gesamte Umfang dessen, was der Lizenztext aussagt. Was ein bestimmter Dienst mit einem Modell im Produktivbetrieb erzeugt, ist eine separate Frage, die durch die eigenen Bedingungen dieses Dienstes und nicht durch die Apache 2.0-Lizenzgewährung geregelt wird.

Download-Formate: was „QAT" und die GGUF-Repos für dich bedeuten

Dies ist eine Leserfrage, hinter der echter Traffic steckt, deshalb wird sie hier beantwortet statt mit einem Verweis woandershin. Der Anbieter liefert quantisierungsbewusst trainierte (QAT) Checkpoints für die gesamte Familie, und sie sind der Grund, warum eine Größe, die für Ihre Maschine zu groß aussieht, es oft nicht ist.

• QAT-Checkpoints werden für jede Größe und in mehr als einem Format veröffentlicht: qat-q4_0-gguf für lokale Laufzeitumgebungen im llama.cpp-Stil, qat-w4a16-ct für Serving mit 4-Bit-Gewichtung / 16-Bit-Aktivierung, und qat-q4_0-unquantized Varianten, die die QAT-trainierten Gewichte ohne das Packing enthalten, sodass du sie selbst quantisieren kannst.

• Die Gemma-Seite beschreibt QAT als „Modellkomprimierung für Effizienz auf Mobilgeräten und Laptops", datiert auf Juni 2026 – denselben Monat, in dem das 12B-Modell erschien.

• Stimme das Format bewusst auf die Größe ab. E2B, E4B und 12B haben qat-q4_0-gguf-Builds, die auf Smartphones, Laptops und einzelne Consumer-GPUs abzielen; die 26B A4B und 31B haben ebenfalls 4-Bit-Builds, aber sie sind serverseitige Quantisierung für einen Rechner mit echtem Speicher, nicht für ein Smartphone gedacht.

Außerdem gibt es -assistant-Varianten in der ganzen Familie, bei denen es sich um die Multi-Token-Vorhersage-Drafter handelt, die der Anbieter zusammen mit den Modellen ausliefert; die Gemma-Seite von deepmind.com datiert die Drafter-Arbeit auf Mai 2026. Dabei handelt es sich um eine Geschwindigkeitstechnik für die spekulative Dekodierung, nicht um ein anderes Modell – man benötigt weiterhin den Haupt-Checkpoint.

Wo die Größen auf der Hardware angesiedelt sind und was sie kosten

Der Launch-Beitrag für die Modellfamilie beschreibt die beiden größeren Modelle als unquantisierte bfloat16-Gewichte, die „effizient auf eine einzelne 80GB-NVIDIA-H100-GPU passen“. Mit 30,7B Parametern liegt das 31B in bfloat16 bei etwas über 60GB, was eine faire Lesart dieses Satzes ist. Das 26B A4B liegt bei 25,2B Gesamtparametern in bfloat16 bei rund 50GB, läuft aber mit der Geschwindigkeit, die seine 3,8B aktiven Parameter vermuten lassen.

Die 12B ist die Größe, die der Anbieter ausdrücklich für die lokale Nutzung bewirbt – „Klein genug, um lokal mit nur 16 GB VRAM oder Unified Memory ausgeführt zu werden“, heißt es im Startbeitrag vom Juni 2026, wobei ein 4-Bit-QAT-GGUF-Build der offensichtliche Weg ist, in diesem Budget zu bleiben. Das ist eine Anbieteraussage zu einer bestimmten Konfiguration, kein allgemeines Versprechen für jede Quantisierungsstufe.

Was den Preis angeht, so ist die ehrliche Einordnung, dass diese Familie sich zugleich auf zwei Kostenmodelle verteilt. Wenn Sie selbst hosten, bestehen Ihre Kosten aus der GPU und dem Strom. Wenn Sie einen gehosteten Endpunkt aufrufen, wird der Preis pro Token von demjenigen festgelegt, der ihn bereitstellt, und für den Großteil dieser Familie ändert sich diese Zahl mit dem Anbieter. Artificial Analysis, ein unabhängiger Evaluator, führt Gemma 4 12B (Reasoning) mit $0,10 pro Million Input-Tokens und $0,30 pro Million Output-Tokens auf – und versieht dieselbe Seite mit dem Hinweis, dass es für diese Variante „keine öffentlich verfügbare API“ gibt, was ein nützliches unabhängiges Signal dafür ist, welche Größen in dieser Familie tatsächlich gehostete Endpunkte in freier Wildbahn haben.

Anbieter-Benchmarks, mit den angebrachten Labels

Die folgenden Zahlen stammen vom Anbieter selbst, wurden auf den Modellkarten von Gemma 4 veröffentlicht und werden hier nicht reproduziert. Sie vergleichen die instruktionsoptimierten Modelle mit Gemma 3 27B (no think) als Baseline der vorherigen Generation.

• Schlussfolgern — MMLU Pro: 31B 85,2 %, 26B A4B 82,6 %, 12B 77,2 %, E4B 69,4 %, E2B 60,0 %, im Vergleich zu Gemma 3 27B mit 67,6 %.

• Wettbewerbsmathematik — AIME 2026 ohne Hilfsmittel: 89,2 % / 88,3 % / 77,5 % / 42,5 % / 37,5 %, Ausgangswert 20,8 %.

• Code — LiveCodeBench v6: 80.0% / 77.1% / 72.0% / 52.0% / 44.0%, Basislinie 29.1%. Codeforces ELO: 2150 / 1718 / 1659 / 940 / 633, Basislinie 110.

• Wissenschaft — GPQA Diamond: 84,3 % / 82,3 % / 78,8 % / 58,6 % / 43,4 %, Baseline 42,4 %.

• Agentische Aufgaben — Tau2, gemittelt über drei Durchläufe: 76,9 % / 68,2 % / 69,0 % / 42,2 % / 24,5 %, Basiswert 16,2 %.

• Langer Kontext: MRCR v2, 8-Needle bei 128k: 66,4 % / 44,1 % / 43,4 % / 25,4 % / 19,1 %, Baseline 13,5 %. Diese Zeile ist diejenige, die das 31B am schärfsten von seinen Geschwistern trennt.

• Vision — MMMU Pro: 76,9 % / 73,8 % / 69,1 % / 52,6 % / 44,2 %. MATH-Vision: 85,6 % / 82,4 % / 79,7 % / 59,5 % / 52,4 %.

• Dokumenten-Parsing — OmniDocBench 1.5 bei der durchschnittlichen Editierdistanz, wobei ein niedrigerer Wert besser ist: 0,131 / 0,149 / 0,164 / 0,181 / 0,290.

Zwei Herstellerbehauptungen aus dem Launch-Post sollten getrennt von der Tabelle geführt werden, weil es sich um Rankings und nicht um Messwerte handelt: Der Hersteller beschreibt das 31B als das „#3 offene Modell der Welt“ und das 26B A4B als das Modell, das den „#6-Platz“ einnimmt. Das sind die Platzierungen des Herstellers gegenüber einer Reihe von Modellen, die er selbst ausgewählt hat. Die Modellkarte hält außerdem fest, dass die Audio-Werte des 12B Chinesisch ausschließen. Und eine Zahl, die weder ein Benchmark noch ein Preis ist: Der 12B-Post vom Juni 2026 besagt, dass Gemma-4-Modelle „150 Millionen Downloads überschritten“ haben. Das ist eine vom Hersteller gemeldete Zahl, der keine unabhängige Prüfung beiliegt.

Für diese Familie ist nur ein unabhängiger Wert aufgetaucht. Artificial Analysis führt Gemma 4 12B (Reasoning) mit 14 auf seinem Intelligence Index — ausdrücklich als Schätzung gekennzeichnet, wobei die unabhängige Bewertung noch aussteht, und auf Platz 20 von 141 — bei 110,9 Ausgabe-Token pro Sekunde und 2,49 Sekunden bis zum ersten Token. Auf seiner Indexseite findet sich kein gemessener Gemma-4-Wert für die größeren Varianten. Betrachten Sie die gesamte obige Tabelle als Angaben des Anbieters selbst und die 14 des 12B als den einzigen gemessenen Datenpunkt der Familie bisher, der selbst vorläufig ist.

Welche Gemma 4-Mitglieder wir bedienen

OrcaRouter bietet drei Gemma-4-Einträge, und sie stehen heute auf der Live-Liste:

• google/gemma-4-26b-a4b-it — das instruktionsoptimierte sparse 26B A4B, in unserem Katalog beschrieben als 25,2B Gesamtparameter, wovon pro Token 3,8B aktiviert werden, und einem Kontext von 262.144 Token, das Text-, Bild- und Videoeingabe akzeptiert. Listenpreis 0,06 $ pro Million Eingabe-Token und 0,33 $ pro Million Ausgabe-Token, mit zwischengespeicherten Eingabe-Lesevorgängen zu 0,0075 $ pro Million.

• google/gemma-4-31b-it — das instruktionsoptimierte dichte 31B-Modell mit 30,7B Parametern. Listenpreis 0,13 $ pro Million Eingabe-Tokens und 0,38 $ pro Million Ausgabe-Tokens.

• obsidian/gemma-4-26B-A4B — ein von Obsidian gehosteter Build desselben Sparse-26B-A4B, mit einem 262K-Token-Kontext und Text- plus Bildeingabe, von seinem Anbieter positioniert für kreatives Schreiben, Rollenspiel und Assistenzarbeit mit langem Kontext. Listenpreis 0,25 $ pro Million Eingabe-Tokens und 2,90 $ pro Million Ausgabe-Tokens.

Zwei der drei sind dasselbe Basismodell, das von verschiedenen Anbietern bereitgestellt wird, was der nützliche Fall für eine Routing-Schicht und nicht bloß eine Kuriosität ist. Wenn ein Anbieter schlechter wird, erfolgt für dieselbe Anfrage ohne Codeänderung ein Failover auf die andere ID, und weil wir die Listenpreise der Anbieter mit 0 % Aufschlag weitergeben, erreicht Sie eine Preissenkung bei einem gehosteten Anbieter für eines dieser drei am Tag ihres Inkrafttretens statt erst nach einem Preisanpassungszyklus. Die beiden 26B A4B-Einträge sind außerdem die klarste Veranschaulichung dafür, warum der Preisunterschied einen Blick wert ist, bevor man sich standardmäßig für einen entscheidet: eine 4×-Lücke beim Input und eine 8,8×-Lücke beim Output zwischen zwei Einträgen mit derselben Architektur ist eine Routing-Entscheidung, keine Modellentscheidung.

Eine Sache fehlt, und es lohnt sich, sie klar auszusprechen, statt sie nur anzudeuten. In unserer Liste gibt es unter keiner Schreibweise eine 12B-ID. Die Größe mit den meisten Live-Seiten und der größten Nachfrage nach Vergleichen in dieser Familie ist genau diejenige, die wir nicht anbieten. Wenn Sie also die 12B über einen gehosteten Endpunkt beziehen möchten, ist dies nicht der Ort, an dem Sie sie bekommen — und wenn Sie das encoder-freie, audiofähige Mitglied dieser Familie in der 16-GB-Klasse möchten, ist Self-Hosting der offenen Gewichte der Weg, den Sie einplanen sollten.

Was ist nicht geklärt

Drei Dinge, die ein Leser nicht als abgeschlossen abtun sollte. Erstens: Die Benchmark-Tabelle beruht vollständig auf Anbieterangaben; die einzige unabhängige Zahl, die für diese Familie verfügbar ist, ist ein einzelner geschätzter Intelligence-Index-Wert für eine Größe. Zweitens ist die Nachfrage nach dieser Familie fast ausschließlich vergleichend statt eigenständig – 73 % der Familien-Impressionen von Gemma 4 in unseren Daten stammen aus qualifizierten Abfragen, und die sechs größten sind allesamt Qwen-Vergleiche –, was bedeutet, dass die Antworten, die Leser tatsächlich wollen, von Paarungen abhängen, die noch gemessen werden. Drittens hat der eigene Hub des Anbieters inzwischen Nachbarn mit Namen hervorgebracht, die nahe an dieser Familie liegen: ein DiffusionGemma, das auf Gemma 4 aufbaut, Multi-Token-Vorhersage-Draft-Modelle und EmbeddingGemma 2. Das sind eigenständige Modelle, keine Größen von Gemma 4, und sie in einen Größenvergleich zu mischen, wird zu Unsinn führen.

Verfügbarkeit

Die Gewichte für alle fünf Größen — E2B, E4B, 12B, 26B A4B und 31B — werden offen unter Apache 2.0 veröffentlicht, in vortrainierter und anweisungsoptimierter Form, samt QAT- und GGUF-Builds, über die eigene Distribution des Anbieters und die üblichen Modell-Repositories. Auf gehosteten Endpunkten variiert das Angebot je nach Plattform, und bei dieser Familie ist diese Abweichung größer als üblich: drei der fünf Größen erscheinen in unserer Live-Liste, die 12B taucht in unserer nicht auf, und mindestens ein unabhängiger Evaluator verzeichnet für sie überhaupt keine öffentlich verfügbare API. Prüfen Sie den Live-Katalog der Plattform, die Sie verwenden, für die spezifische Größe, die Sie benötigen, anstatt anzunehmen, dass der Familienname sie abdeckt.