Gemma 4: Todos los tamaños de la familia de pesos abiertos de Google, explicados

No hay un único Gemma 4 que consultar. La línea actual de pesos abiertos de DeepMind consta de cinco modelos distintos —Gemma 4 E2B, Gemma 4 E4B, Gemma 4 12B, Gemma 4 26B A4B y Gemma 4 31B— repartidos entre dos arquitecturas y dos niveles de ventana de contexto, y no coinciden entre sí en la pregunta con la que llega la mayoría de los lectores. Tres de los cinco aceptan audio. Dos no. Dos de los cinco son el tipo de modelo al que se llama a través de una API; el 12B es el tipo que se descarga. Equivocarse con el tamaño es la forma más común de desperdiciar un fin de semana con esta familia, y nada en el propio hub del proveedor hace que la división sea obvia a simple vista.

Esa brecha es medible, y es la razón por la que existe esta página. En nuestros propios datos de Search Console del 15/09/2026 al 12/10/2026, la faceta de Gemma 4 atrajo 499 impresiones y 5 clics en 47 consultas. El término simple —alguien que escribe solo "gemma 4"— representó 24 impresiones y cero clics en dos consultas. Las seis consultas más grandes de todo el vecindario son comparaciones, y todas ellas son contra un modelo Qwen 3.8: gemma 4 vs qwen 3.8 (99 impresiones), gemma 4 vs qwen3.8 (40), gemma 4 vs qwen 3.8 27b (29). Y el blog en vivo ya responde con detalle a los enfrentamientos de la 12B: tres gemma-4-12b-vs-* comparaciones encabezan con ese modelo, y otras cuarenta lo llevan en el otro lado del versus. Todas ellas enfrentan la misma Gemma 4 12B sin encoder contra un oponente distinto. Los lectores no preguntan qué es Gemma 4. Preguntan si supera a algo. Esa pregunta pertenece a las páginas de comparación. Lo que necesitan las comparaciones —y lo que no se ha escrito— es un único lugar que diga con precisión qué es Gemma 4 y qué tamaños existen.

Qué es realmente Gemma 4

Gemma 4 es la familia de modelos de pesos abiertos de DeepMind, publicada tanto en forma preentrenada como ajustada a instrucciones, con los checkpoints ajustados a instrucciones que llevan el sufijo -it. La familia abarca diseños densos y de mezcla de expertos, cinco tamaños y un conjunto compartido de decisiones arquitectónicas: atención híbrida que intercala atención local de ventana deslizante con atención global completa, con la capa final siempre global; claves y valores unificados en las capas globales más RoPE proporcional para mantener bajo control la memoria de contexto largo; un vocabulario de 262.000 tokens; modos de pensamiento configurables; llamada a funciones nativa; y soporte nativo para el rol de system. Las tarjetas de modelo indican que los modelos se preentrenaron con más de 140 idiomas, con más de 35 compatibles de fábrica.

Dos cosas sobre la familia deciden a la mayoría de los lectores antes de que el desempeño entre en la conversación.

La primera es la licencia. Cada tamaño de Gemma 4 en la familia se distribuye bajo Apache 2.0. Eso es un cambio de postura: los lanzamientos de Gemma 2 y Gemma 3 llevaban los Términos de Uso personalizados de Gemma, y sus tarjetas de modelo en Hugging Face todavía dicen license: gemma. Las tarjetas de Gemma 4 apuntan a un texto de licencia Apache 2.0 en su lugar, y la publicación de lanzamiento describe la familia como "publicada bajo una licencia Apache 2.0 comercialmente permisiva". Para cualquiera que haya tenido que razonar sobre los Términos de Uso de Gemma antes, ese es el dato principal en esta página. Se aplica por tamaño, y se indica en la tarjeta de modelo de cada tamaño — no se infiere de una afirmación a nivel de familia.

Lo segundo es que "Gemma 4" no es un solo modelo, y los tamaños no son copias escaladas entre sí. E2B y E4B usan un truco llamado Per-Layer Embeddings, en el que cada capa del decodificador recibe su propia tabla de embeddings pequeña por token; esas tablas son grandes, pero solo se leen mediante búsqueda, y por eso la ficha cita recuentos de parámetros efectivos (2,3B y 4,5B) que quedan muy por debajo de los totales, incluidas las embeddings (5,1B y 8B). El 12B es la excepción en cuanto a arquitectura: no tiene codificador y proyecta parches de imagen en bruto y formas de onda de audio directamente en el transformer mediante capas lineales ligeras, en lugar de hacerlo a través de codificadores dedicados de visión y audio. El 31B es un modelo denso convencional. El 26B A4B es disperso. Cuatro perfiles de máquina diferentes, un solo nombre de familia.

El mapa de tallas

Aquí está la familia tal como la describen sus propias tarjetas de modelo. Los parámetros, el número de capas y las ventanas de contexto que aparecen a continuación se toman de las tablas de especificaciones de los modelos densos y MoE de las tarjetas de modelo de Gemma 4.

Gemma 4 E2B. El miembro más pequeño: 2,3B de parámetros efectivos, 5,1B incluyendo embeddings, 35 capas, una ventana deslizante de 512 tokens y un contexto de 128K. Maneja texto, imagen y audio, con aproximadamente 150M de parámetros del codificador de visión y alrededor de 300M para audio. Está diseñado para teléfonos y dispositivos IoT, y no es uno de los tres tamaños para los que el proveedor publicó una página separada en este lote; si estás aquí específicamente por E2B, esta sección lo abarca todo.

Gemma 4 E4B. El mismo diseño un escalón por encima: 4,5B de parámetros efectivos, 8B incluyendo embeddings, 42 capas, ventana deslizante de 512 tokens, contexto de 128K y la misma cobertura de texto, imagen y audio con los mismos tamaños de codificador. También es un modelo de borde, también sin una página dedicada aquí.

Gemma 4 12B. El punto medio unificado y sin codificador de la familia: 11,95B de parámetros, 48 capas, una ventana deslizante de 1.024 tokens, contexto de 256K y audio nativo junto con texto e imagen, algo que la publicación de lanzamiento del 3 de junio de 2026 describe como el primer Gemma de tamaño medio en incorporar audio. El propio planteamiento del proveedor para el despliegue local es de 16 GB de VRAM o memoria unificada. Tiene su propia página en este lote, y toda la presencia de búsqueda en vivo de la familia hoy son tres gemma-4-12b-vs-* comparaciones, así que esa página tiene mucho peso.

Gemma 4 26B A4B. El modelo disperso, y aquel del que trata la sección de notación de esta página que aparece a continuación: 25,2B de parámetros totales, 30 capas, una ventana deslizante de 1024 tokens, contexto de 256K, solo texto e imagen —sin audio— y 8 expertos activos de 128 más un experto compartido. Tiene su propia página en este lote.

Gemma 4 31B. La cúspide densa de la gama: 30,7B de parámetros, 60 capas, ventana deslizante de 1.024 tokens, contexto de 256K, texto e imagen con un codificador de visión de ~550M y nada de audio. Tiene su propia página en este lote.

Si pones los cinco uno al lado del otro, la segmentación por niveles es clara en un aspecto y desordenada en otro. La ventana de contexto sigue exactamente el tamaño: 128K por debajo de 12B, 256K en 12B y por encima. El audio no: está disponible en los dos tamaños más pequeños y en el 12B, y ausente en los dos más grandes. Si necesitas entrada de voz, el 31B es la elección equivocada, sin importar cuánto estés dispuesto a gastar en hardware.

El "A4B" en 26B A4B, descifrado

El nombre contiene dos números y solo uno de ellos es un recuento de parámetros que usarías para planificar la memoria. El 26B es el total: 25,2B de parámetros residen en el checkpoint. A4B es el recuento activo — aproximadamente 3,8B de parámetros se tocan por token durante la inferencia, porque el enrutador de mezcla de expertos selecciona 8 de 128 expertos (más un experto compartido) para cada token. La tarjeta del modelo afirma la "A" explícitamente: «La "A" en 26B A4B significa "parámetros activos" en contraste con el número total de parámetros que contiene el modelo».

Lo que eso te aporta es una velocidad de inferencia más cercana a la de un modelo de 4B que a la de uno de 26B, mientras que la calidad se sitúa más cerca del denso 31B —la propia descripción de la tarjeta, y la razón por la que el 26B A4B existe como nivel en absoluto. Lo que no te aporta es una descarga pequeña. Cargas los 25,2B parámetros completos; simplemente no multiplicas contra todos ellos.

Pesos abiertos, según tamaño, y lo que permite la licencia

Los cinco tamaños son lanzamientos de pesos abiertos, y las cinco tarjetas de modelo declaran Apache 2.0 — E2B, E4B, 12B, 26B A4B y 31B por igual. La publicación de lanzamiento describe la familia como «publicada bajo una licencia Apache 2.0 comercialmente permisiva» que otorga a los desarrolladores control sobre sus datos, su infraestructura y sus modelos, y la publicación del 12B repite la mención de Apache 2.0 para ese tamaño.

Apache 2.0 es toda la historia de la licencia aquí, pero vale la pena ser preciso sobre lo que eso significa, porque es la pregunta que responde la licencia, y no una declaración sobre ningún servicio alojado. Apache 2.0 otorga una licencia de derechos de autor perpetua, mundial, no exclusiva y libre de regalías, y una concesión de patente correspondiente, permite la redistribución y la modificación, y exige que el texto de la licencia viaje con la obra y que los archivos modificados se marquen. La concesión de patente termina si entablas un litigio de patentes sobre la obra. No otorga derechos de marca más allá del uso descriptivo habitual, y renuncia a las garantías. En comparación con los Términos de uso de Gemma 2 y 3, la diferencia práctica es que Apache 2.0 es una licencia permisiva estándar sin un anexo de uso aceptable separado adjunto a los pesos.

Así que la licencia permite la redistribución, el uso comercial, la modificación y los ajustes finos de estos pesos, y los propios pesos están publicados. Eso es todo lo que dice el texto de la licencia. Lo que un servicio concreto genere con un modelo en producción es una cuestión aparte, regida por los términos propios de ese servicio y no por la concesión de Apache 2.0.

Formatos de descarga: qué significan para ti «QAT» y los repositorios GGUF

Esta es una pregunta de lector con tráfico real detrás, así que se responde aquí en lugar de remitir a otro sitio. El proveedor distribuye checkpoints entrenados con cuantización consciente (QAT) para toda la familia, y son la razón por la que un tamaño que parece demasiado grande para tu máquina a menudo no lo es.

• Los checkpoints QAT se publican para cada tamaño y en más de un formato: qat-q4_0-gguf para runtimes locales al estilo de llama.cpp, qat-w4a16-ct para servir pesos de 4 bits / activaciones de 16 bits, y qat-q4_0-unquantized variantes que llevan los pesos entrenados con QAT sin el empaquetado, para que puedas cuantizarlos tú mismo.

• La página de Gemma describe QAT como «compresión de modelos para la eficiencia en móviles y portátiles», con fecha de junio de 2026 — el mismo mes en que llegó el 12B.

• Empareja el formato con el tamaño deliberadamente. E2B, E4B y 12B tienen qat-q4_0-gguf compilaciones dirigidas a teléfonos, portátiles y una sola GPU de consumo; los 26B A4B y 31B también tienen compilaciones de 4 bits, pero son cuantización del lado del servidor para una máquina con memoria real, no un objetivo para teléfonos.

También hay -assistant variantes en toda la familia, que son los borradores de predicción multitoken que el proveedor distribuye junto con los modelos; la página de Gemma en deepmind.com sitúa el trabajo del borrador en mayo de 2026. Son una técnica de velocidad para la decodificación especulativa, no un modelo distinto: sigues necesitando el checkpoint principal.

Dónde se ubican los tamaños en el hardware y cuánto cuestan

La publicación de lanzamiento de la familia describe los dos modelos más grandes como pesos bfloat16 sin cuantizar que "caben de manera eficiente en una única GPU NVIDIA H100 de 80 GB". Con 30,7B de parámetros, el 31B ocupa un poco más de 60 GB en bfloat16, lo cual es una interpretación razonable de esa frase. El 26B A4B, con 25,2B de parámetros totales, ocupa alrededor de 50 GB en bfloat16, pero se ejecuta a la velocidad que sugiere su recuento de 3,8B activos.

El 12B es el tamaño que el proveedor promociona explícitamente para uso local — "Suficientemente pequeño para ejecutarse localmente con solo 16GB de VRAM o memoria unificada", según la publicación de lanzamiento de junio de 2026, con una compilación QAT GGUF de 4 bits como la ruta obvia para ajustarse a ese presupuesto. Esa es una afirmación del proveedor sobre una configuración específica, no una promesa general sobre todos los niveles de cuantización.

En cuanto al precio, el planteamiento honesto es que esta familia se divide entre dos modelos de costos a la vez. Si la autoalojas, tu costo es la GPU y la electricidad. Si llamas a un endpoint alojado, el precio por token lo fija quien lo sirve y, para la mayor parte de esta familia, esa cifra varía según el proveedor. Artificial Analysis, un evaluador independiente, sitúa Gemma 4 12B (Reasoning) en 0,10 dólares por millón de tokens de entrada y 0,30 dólares por millón de tokens de salida, y señala en esa misma página, con la nota de que no hay una «API disponible públicamente» para esa variante, lo cual es una señal independiente útil sobre qué tamaños de esta familia tienen realmente endpoints alojados en el mundo real.

Benchmarks de proveedores, con las etiquetas adjuntas

Los números a continuación son del propio proveedor, publicados en las tarjetas de modelo de Gemma 4, y no se reproducen aquí. Comparan los modelos ajustados para instrucciones, con Gemma 3 27B (no think) como línea base de la generación anterior.

• Razonamiento — MMLU Pro: 31B 85,2 %, 26B A4B 82,6 %, 12B 77,2 %, E4B 69,4 %, E2B 60,0 %, frente a Gemma 3 27B con 67,6 %.

• Matemáticas de competición — AIME 2026 sin herramientas: 89,2 % / 88,3 % / 77,5 % / 42,5 % / 37,5 %, línea base 20,8 %.

• Código — LiveCodeBench v6: 80.0% / 77.1% / 72.0% / 52.0% / 44.0%, línea base 29.1%. ELO de Codeforces: 2150 / 1718 / 1659 / 940 / 633, línea base 110.

• Ciencia — GPQA Diamond: 84,3 % / 82,3 % / 78,8 % / 58,6 % / 43,4 %, línea base 42,4 %.

• Tareas agénticas — Tau2, promedio de tres ejecuciones: 76,9 % / 68,2 % / 69,0 % / 42,2 % / 24,5 %, línea base 16,2 %.

• Contexto largo — MRCR v2, 8-needle a 128k: 66.4% / 44.1% / 43.4% / 25.4% / 19.1%, línea base 13.5%. Esta fila es la que separa con mayor nitidez al 31B de sus hermanos.

• Visión — MMMU Pro: 76.9% / 73.8% / 69.1% / 52.6% / 44.2%. MATH-Vision: 85.6% / 82.4% / 79.7% / 59.5% / 52.4%.

• Análisis de documentos — OmniDocBench 1.5 según la distancia de edición promedio, donde un valor más bajo es mejor: 0.131 / 0.149 / 0.164 / 0.181 / 0.290.

Dos afirmaciones del proveedor procedentes de la publicación de lanzamiento merecen mantenerse separadas de la tabla, porque son clasificaciones y no mediciones: el proveedor describe el 31B como el «#3 modelo abierto del mundo» y el 26B A4B como el que ocupa el «puesto #6». Esas son las posiciones del proveedor frente a un conjunto de modelos que él mismo eligió. La ficha del modelo también registra que las puntuaciones de audio del 12B excluyen el chino. Y una cifra que no es ni un benchmark ni un precio: la publicación de junio de 2026 sobre el 12B dice que los modelos Gemma 4 han «superado los 150 millones de descargas». Se trata de una cifra reportada por el proveedor y sin ninguna auditoría independiente que la respalde.

Solo apareció una puntuación independiente para esta familia. Artificial Analysis sitúa a Gemma 4 12B (Reasoning) en 14 en su Intelligence Index —señalado explícitamente como una estimación, con la evaluación independiente aún por llegar, y clasificado en el n.º 20 de 141—, junto con 110,9 tokens de salida por segundo y 2,49 segundos hasta el primer token. Su página de índice no incluye ninguna puntuación medida de Gemma 4 para los tamaños mayores. Considera toda la tabla anterior como propia del proveedor, y el 14 del 12B como el único punto de datos medido en la familia hasta ahora, a su vez provisional.

¿Qué miembros de Gemma 4 servimos?

OrcaRouter sirve tres entradas de Gemma 4, y están en la lista activa hoy:

• google/gemma-4-26b-a4b-it — el modelo disperso 26B A4B ajustado con instrucciones, descrito en nuestro catálogo como 25.2B parámetros totales con 3.8B activados por token y un contexto de 262,144 tokens, que acepta entrada de texto, imagen y vídeo. Precio de lista $0.06 por millón de tokens de entrada y $0.33 por millón de tokens de salida, con lecturas de entrada en caché a $0.0075 por millón.

• google/gemma-4-31b-it — el denso de 31B ajustado por instrucciones, 30.7B parámetros. Precio de lista $0.13 por millón de tokens de entrada y $0.38 por millón de tokens de salida.

• obsidian/gemma-4-26B-A4B — una compilación alojada por Obsidian del mismo 26B A4B disperso, con un contexto de 262K tokens y entrada de texto e imágenes, posicionada por su proveedor para escritura creativa, juego de rol y trabajo de asistente de contexto largo. Precio de lista: $0.25 por millón de tokens de entrada y $2.90 por millón de tokens de salida.

Dos de los tres son el mismo modelo base servido por proveedores distintos, que es el caso útil para una capa de enrutamiento más que una curiosidad. Si un proveedor se degrada, la misma solicitud conmuta al otro id sin cambiar el código y, como trasladamos los precios de lista de los proveedores con 0 % de margen, un recorte de precio alojado de cualquiera de estos tres te llega el mismo día en que entra en vigor y no después de un ciclo de revisión de precios. Las dos entradas de 26B A4B son también la ilustración más clara de por qué merece la pena fijarse en la diferencia de precio antes de quedarte con una por defecto: una diferencia de 4× en la entrada y de 8,8× en la salida entre dos entradas que ejecutan la misma arquitectura es una decisión de enrutamiento, no una decisión de modelo.

Una cosa está ausente y vale la pena decirla sin rodeos. No hay ningún identificador 12B en nuestra lista bajo ninguna grafía. El tamaño con más páginas activas y la mayor demanda de comparación en esta familia es precisamente el que no ofrecemos, así que si quieres el 12B a través de un endpoint alojado, este no es el lugar para conseguirlo — y si quieres el miembro de esta familia sin encoder, con capacidad de audio y de clase 16 GB, autoalojar los pesos abiertos es la ruta para la que debes planificar.

Lo que no está resuelto

Tres cosas que un lector no debería dar por cerradas. Primero, la tabla de benchmarks está reportada enteramente por el proveedor; la única cifra independiente disponible para esta familia es una única puntuación estimada del Intelligence Index para un tamaño. Segundo, la demanda de esta familia es casi enteramente comparativa más que individual: el 73 % de las impresiones de la familia Gemma 4 en nuestros datos proviene de consultas cualificadas, y las seis mayores son todas comparaciones con Qwen, lo que significa que las respuestas que los lectores realmente quieren dependen de enfrentamientos que aún se están midiendo. Tercero, el propio hub del proveedor ha hecho brotar desde entonces vecinos con nombres muy cercanos a esta familia: un DiffusionGemma construido sobre Gemma 4, borradores de predicción multi-token y EmbeddingGemma 2. Esos son modelos separados, no tamaños de Gemma 4, y mezclarlos en una comparación de tamaños producirá disparates.

Disponibilidad

Los pesos de los cinco tamaños — E2B, E4B, 12B, 26B A4B y 31B — se publican abiertamente bajo Apache 2.0, en forma preentrenada y ajustada a instrucciones, con compilaciones QAT y GGUF junto a ellos, a través de la propia distribución del proveedor y los repositorios de modelos habituales. En los endpoints alojados, la oferta varía según la plataforma y, para esta familia, esa variación es más amplia de lo habitual: tres de los cinco tamaños aparecen en nuestra lista en vivo, el 12B no aparece en la nuestra y al menos un evaluador independiente registra que no hay ninguna API disponible públicamente para él en absoluto. Consulte el catálogo en vivo de la plataforma que utilice para el tamaño específico que necesite, en lugar de asumir que el nombre de la familia lo cubre.