Gemma 4 : toutes les tailles de la famille open-weight de Google expliquées

Il n'existe pas un seul Gemma 4 à consulter. La gamme actuelle de modèles à poids ouverts de DeepMind compte cinq modèles distincts — Gemma 4 E2B, Gemma 4 E4B, Gemma 4 12B, Gemma 4 26B A4B et Gemma 4 31B — répartis sur deux architectures et deux paliers de fenêtre de contexte, et ils ne sont pas d'accord entre eux sur la question que la plupart des lecteurs se posent en arrivant. Trois des cinq acceptent l'audio. Deux non. Deux des cinq sont des modèles que l'on appelle via une API ; le 12B est de ceux que l'on télécharge. Se tromper de taille est la façon la plus courante de gâcher un week-end avec cette famille, et rien sur le hub du fournisseur lui-même ne rend la séparation évidente au premier coup d'œil.

Cet écart est mesurable, et c'est pourquoi cette page existe. D'après nos propres données Search Console pour la période du 2026-09-15 au 2026-10-12, la facette Gemma 4 a généré 499 impressions et 5 clics sur 47 requêtes. Le terme brut — quelqu'un tapant simplement « gemma 4 » — comptait pour 24 impressions et zéro clic sur deux requêtes. Les six requêtes les plus importantes de tout le voisinage sont des comparaisons, et toutes ciblent un modèle Qwen 3.8 : gemma 4 vs qwen 3.8 (99 impressions), gemma 4 vs qwen3.8 (40), gemma 4 vs qwen 3.8 27b (29). Et le blog en direct répond déjà longuement aux confrontations du 12B — trois gemma-4-12b-vs-* comparaisons commencent par ce modèle, et quarante autres le placent de l'autre côté du versus. Chacune d'elles oppose le même Gemma 4 12B sans encodeur à un adversaire différent. Les lecteurs ne demandent pas ce qu'est Gemma 4. Ils demandent s'il bat quelque chose. Cette question a sa place sur les pages de comparaison. Ce dont les comparaisons ont besoin — et ce qui n'a pas encore été écrit — c'est un seul endroit qui dit précisément ce qu'est Gemma 4 et quelles tailles existent.

Ce qu’est réellement Gemma 4

Gemma 4 est la famille de modèles à poids ouverts de DeepMind, publiée à la fois sous forme pré-entraînée et affinée sur instructions, les checkpoints affinés sur instructions portant le -itsuffixe. La famille couvre des conceptions denses et à mélange d'experts, cinq tailles et un ensemble partagé de choix architecturaux : une attention hybride qui entrelace une attention locale à fenêtre glissante et une attention globale complète, la couche finale étant toujours globale ; des clés et des valeurs unifiées dans les couches globales, plus un RoPE proportionnel pour garder sous contrôle l'empreinte mémoire en contexte long ; un vocabulaire de 262 000 jetons ; des modes de réflexion configurables ; l'appel de fonctions natif ; et la prise en charge native du system rôle. Les fiches de modèle indiquent que les modèles ont été pré-entraînés sur plus de 140 langues, avec plus de 35 prises en charge d'emblée.

Deux choses concernant la famille font pencher la plupart des lecteurs avant même qu’il ne soit question de performance.

Le premier point, c'est la licence. Chaque taille de Gemma 4 de la famille est diffusée sous Apache 2.0. C'est un changement de posture : les versions Gemma 2 et Gemma 3 étaient accompagnées des conditions d'utilisation personnalisées Gemma Terms of Use, et leurs fiches de modèle sur Hugging Face affichent toujours license: gemma. Les fiches de Gemma 4 renvoient quant à elles à un texte de licence Apache 2.0, et l'article de lancement décrit la famille comme « publiée sous une licence Apache 2.0 commercialement permissive ». Pour quiconque a déjà dû raisonner sur les Gemma Terms of Use, c'est le fait marquant de cette page. Cela s'applique taille par taille, et c'est indiqué sur la fiche de modèle de chaque taille — et non déduit d'une affirmation au niveau de la famille.

La seconde est que « Gemma 4 » n’est pas un seul modèle, et que les tailles ne sont pas des copies mises à l’échelle les unes des autres. E2B et E4B utilisent une astuce appelée Per-Layer Embeddings, où chaque couche de décodeur dispose de sa propre petite table d’embedding par token ; ces tables sont volumineuses mais ne sont jamais lues que par recherche, ce qui explique pourquoi la fiche indique des nombres de paramètres effectifs (2,3 B et 4,5 B) bien inférieurs aux totaux incluant les embeddings (5,1 B et 8 B). Le 12B est l’exception sur le plan architectural — il est sans encodeur, projetant les patchs d’image bruts et les formes d’onde audio directement dans le transformer via de légères couches linéaires plutôt que par des encodeurs dédiés à la vision et à l’audio. Le 31B est un modèle dense classique. Le 26B A4B est creux. Quatre profils de machines différents, un seul nom de famille.

La carte des tailles

Voici la famille telle que ses propres fiches de modèle la décrivent. Les paramètres, le nombre de couches et les fenêtres de contexte ci-dessous sont issus des tableaux de spécifications des modèles dense et MoE figurant sur les fiches de modèle Gemma 4.

Gemma 4 E2B. Le plus petit membre : 2,3 B de paramètres effectifs, 5,1 B en incluant les embeddings, 35 couches, une fenêtre glissante de 512 tokens et un contexte de 128 K. Il gère le texte, l'image et l'audio, avec environ 150 M de paramètres pour l'encodeur visuel et environ 300 M pour l'audio. Il est conçu pour les téléphones et les appareils IoT, et il ne fait pas partie des trois tailles pour lesquelles le fournisseur a publié une page distincte dans ce lot — si vous êtes ici spécifiquement pour l'E2B, cette section le couvre entièrement.

Gemma 4 E4B. La même conception, un cran au-dessus : 4,5 Md de paramètres effectifs, 8 Md en incluant les embeddings, 42 couches, une fenêtre glissante de 512 tokens, un contexte de 128 K, et la même couverture texte, image et audio avec les mêmes tailles d'encodeurs. Aussi un modèle edge, également sans page dédiée ici.

Gemma 4 12B. Le milieu de gamme unifié et sans encodeur de la famille : 11,95 Md de paramètres, 48 couches, une fenêtre glissante de 1 024 jetons, un contexte de 256 K et l'audio natif aux côtés du texte et de l'image — ce que le billet de lancement du 3 juin 2026 présente comme le premier Gemma de taille intermédiaire à intégrer l'audio. Le cadrage du fournisseur pour le déploiement local est de 16 Go de VRAM ou de mémoire unifiée. Il dispose de sa propre page dans ce lot, et toute la présence en recherche en direct de la famille aujourd'hui se résume à trois gemma-4-12b-vs-* comparaisons, ce qui confère beaucoup de poids à cette page.

Gemma 4 26B A4B. Le modèle sparse, et celui dont traite la section notation ci-dessous de cette page : 25,2 B de paramètres au total, 30 couches, une fenêtre glissante de 1 024 tokens, un contexte de 256 K, texte et image uniquement — pas d'audio — et 8 experts actifs sur 128 plus un expert partagé. Il a sa propre page dans ce lot.

Gemma 4 31B. Le haut de gamme dense : 30,7 milliards de paramètres, 60 couches, une fenêtre glissante de 1 024 jetons, un contexte de 256 K, texte et image avec un encodeur visuel d'environ 550 M et aucun audio du tout. Il dispose de sa propre page dans ce lot.

Placez les cinq côte à côte : la hiérarchisation est nette sur un point et désordonnée sur un autre. La fenêtre de contexte suit exactement la taille — 128K en dessous de 12B, 256K à partir de 12B. L’audio, lui, ne suit pas : il est disponible sur les deux plus petites tailles et sur le 12B, et absent des deux plus grandes. Si vous avez besoin d’entrée vocale, le 31B est le mauvais choix, peu importe combien vous êtes prêt à dépenser en matériel.

Le « A4B » dans 26B A4B, décodé

Le nom comporte deux nombres, et un seul d'entre eux est un nombre de paramètres que vous utiliseriez pour planifier la mémoire. Le 26B est le total : 25,2 B de paramètres résident dans le checkpoint. A4B correspond au nombre de paramètres actifs — environ 3,8 B de paramètres sont sollicités par token lors de l'inférence, car le routeur de mélange d'experts sélectionne 8 experts sur 128 (plus un expert partagé) pour chaque token. La fiche du modèle précise explicitement le « A » : « Le "A" dans 26B A4B signifie "active parameters" (paramètres actifs), par opposition au nombre total de paramètres que contient le modèle. »

Ce que vous y gagnez, c'est une vitesse d'inférence plus proche d'un modèle 4B que d'un modèle 26B, tandis que la qualité se situe plus près du dense 31B — la description de la fiche elle-même, et la raison pour laquelle le 26B A4B existe en tant que palier. Ce que vous n'y gagnez pas, c'est un téléchargement léger. Vous chargez les 25,2B paramètres ; simplement, vous ne les multipliez pas tous.

Poids ouverts, par taille, et ce que la licence permet

Les cinq tailles font l'objet de publications en open weights, et les cinq fiches de modèle déclarent une licence Apache 2.0 — E2B, E4B, 12B, 26B A4B et 31B de la même manière. L'article de lancement décrit la famille comme « publiée sous une licence Apache 2.0, permissive sur le plan commercial », qui donne aux développeurs le contrôle de leurs données, de leur infrastructure et de leurs modèles, et l'article sur le 12B reprend la mention Apache 2.0 pour cette taille.

Apache 2.0 constitue toute l'histoire de la licence ici, mais il vaut la peine d'être précis sur ce que cela signifie, car c'est la question à laquelle la licence répond plutôt qu'une déclaration sur un service hébergé. Apache 2.0 accorde une licence de droit d'auteur perpétuelle, mondiale, non exclusive et libre de redevances, ainsi qu'une concession de brevet correspondante, permet la redistribution et la modification, et exige que le texte de la licence accompagne l'œuvre et que les fichiers modifiés soient signalés. La concession de brevet prend fin si vous engagez une action en justice pour brevets sur l'œuvre. Elle n'accorde aucun droit de marque au-delà de l'usage descriptif coutumier et exclut toute garantie. Lu par rapport aux Conditions d'utilisation de Gemma 2 et 3, la différence pratique est qu'Apache 2.0 est une licence permissive standard sans annexe d'utilisation acceptable séparée attachée aux poids.

Ainsi, la licence autorise la redistribution, l’utilisation commerciale, la modification et les ajustements fins de ces poids, et les poids eux-mêmes sont publiés. C’est toute l’étendue de ce que dit le texte de la licence. Ce qu’un service particulier génère avec un modèle en production est une question distincte, régie par les propres conditions de ce service et non par l’octroi d’Apache 2.0.

Formats de téléchargement : ce que « QAT » et les dépôts GGUF signifient pour vous

Voici une question de lecteur qui suscite un vrai trafic, elle mérite donc une réponse ici plutôt qu’un simple renvoi ailleurs. Le fournisseur livre des checkpoints entraînés en tenant compte de la quantification (QAT) pour toute la gamme, et c’est grâce à eux qu’une taille qui semble trop grande pour votre machine ne l’est souvent pas.

• Les checkpoints QAT sont publiés pour chaque taille et en plusieurs formats : qat-q4_0-gguf pour les environnements d’exécution locaux de type llama.cpp, qat-w4a16-ct pour le service avec des poids en 4 bits / des activations en 16 bits, et qat-q4_0-unquantized des variantes qui contiennent les poids entraînés avec le QAT sans l’empaquetage, afin que vous puissiez les quantifier vous-même.

• La page Gemma décrit QAT comme « compression de modèle pour l’efficacité sur mobile et ordinateur portable », datée de juin 2026 — le même mois où le 12B est arrivé.

• Associez délibérément le format à la taille. E2B, E4B et 12B ont des qat-q4_0-gguf builds ciblant les téléphones, les ordinateurs portables et les GPU grand public uniques ; les 26B A4B et 31B ont aussi des builds 4 bits, mais il s'agit d'une quantification côté serveur pour une machine dotée d'une mémoire réelle, et non d'une cible téléphone.

Il existe également des variantes -assistant dans toute la famille, qui sont les drafters de prédiction multi-token que le fournisseur livre avec les modèles ; la page Gemma de deepmind.com date le travail sur les drafters de mai 2026. Il s'agit d'une technique d'accélération pour le décodage spéculatif, et non d'un modèle différent — vous avez toujours besoin du checkpoint principal.

Où les tailles se situent sur le matériel, et ce qu’elles coûtent

L’article de lancement de la famille décrit les deux plus grands modèles comme des poids bfloat16 non quantifiés qui « tiennent efficacement sur un seul GPU NVIDIA H100 de 80 Go ». Avec 30,7 milliards de paramètres, le 31B fait un peu plus de 60 Go en bfloat16, ce qui est une lecture raisonnable de cette phrase. Le 26B A4B, avec 25,2 milliards de paramètres au total, se situe autour de 50 Go en bfloat16 mais tourne à la vitesse que suggère son nombre de paramètres actifs de 3,8 milliards.

Le 12B est la taille que le fournisseur met explicitement en avant pour un usage local — « Suffisamment petit pour tourner localement avec seulement 16 Go de VRAM ou de mémoire unifiée », selon la publication de lancement de juin 2026, avec une build QAT GGUF en 4 bits comme voie évidente pour tenir dans ce budget. Il s’agit d’une affirmation du fournisseur concernant une configuration précise, et non d’une promesse générale valable pour tous les niveaux de quantification.

En matière de prix, la présentation honnête consiste à dire que cette famille se répartit sur deux modèles de coûts à la fois. Si vous l'auto-hébergez, votre coût, ce sont le GPU et l'électricité. Si vous appelez un point de terminaison hébergé, le prix par token est fixé par celui qui le sert, et pour la majeure partie de cette famille, ce chiffre varie selon le fournisseur. Artificial Analysis, un évaluateur indépendant, répertorie Gemma 4 12B (Reasoning) à 0,10 $ par million de tokens d'entrée et 0,30 $ par million de tokens de sortie — et signale sur la même page la note « Aucune API disponible publiquement » pour cette variante, ce qui est un signal indépendant utile sur les tailles de cette famille qui ont réellement des points de terminaison hébergés en conditions réelles.

Benchmarks des fournisseurs, avec les étiquettes attachées

Les chiffres ci-dessous proviennent du fournisseur lui-même, publiés sur les fiches de modèle Gemma 4, et ils ne sont pas reproduits ici. Ils comparent les modèles ajustés aux instructions, avec Gemma 3 27B (no think) comme référence de la génération précédente.

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

• Mathématiques de compétition — AIME 2026 sans outils : 89,2 % / 88,3 % / 77,5 % / 42,5 % / 37,5 %, référence 20,8 %.

• Code — LiveCodeBench v6 : 80,0 % / 77,1 % / 72,0 % / 52,0 % / 44,0 %, référence 29,1 %. Codeforces ELO : 2150 / 1718 / 1659 / 940 / 633, référence 110.

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

• Tâches agentiques — Tau2, moyenne sur trois exécutions : 76.9% / 68.2% / 69.0% / 42.2% / 24.5%, référence 16.2%.

• Contexte long — MRCR v2, 8-needle à 128k : 66,4 % / 44,1 % / 43,4 % / 25,4 % / 19,1 %, référence 13,5 %. C’est cette ligne qui distingue le plus nettement le 31B de ses homologues.

• 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 %.

• Analyse de documents — OmniDocBench 1.5 sur la distance d’édition moyenne, où une valeur plus faible est préférable : 0.131 / 0.149 / 0.164 / 0.181 / 0.290.

Deux affirmations du fournisseur issues de l’article de lancement méritent d’être gardées à part du tableau, car ce sont des classements plutôt que des mesures : le fournisseur décrit le 31B comme le « n° 3 des modèles ouverts au monde » et le 26B A4B comme occupant la « 6e place ». Ce sont les positions du fournisseur par rapport à un ensemble de modèles qu’il a choisis. La fiche du modèle indique également que les scores audio du 12B excluent le chinois. Et un chiffre qui n’est ni un benchmark ni un prix : l’article de juin 2026 sur le 12B indique que les modèles Gemma 4 ont « franchi les 150 millions de téléchargements ». Il s’agit d’un nombre déclaré par le fournisseur, sans qu’aucun audit indépendant n’y soit associé.

Un seul score indépendant est ressorti pour cette famille. Artificial Analysis classe Gemma 4 12B (Reasoning) à 14 sur son Intelligence Index — signalé explicitement comme une estimation, avec une évaluation indépendante encore à venir, et classé 20e sur 141 — aux côtés de 110,9 jetons de sortie par seconde et de 2,49 secondes avant le premier jeton. Sa page d'index ne comporte aucun score Gemma 4 mesuré pour les tailles supérieures. Considérez l'ensemble du tableau ci-dessus comme émanant du fournisseur lui-même, et le 14 du 12B comme le seul point de données mesuré de la famille à ce jour, lui-même provisoire.

Quels membres de Gemma 4 desservons-nous ?

OrcaRouter propose trois entrées Gemma 4, et elles figurent sur la liste active aujourd'hui :

• google/gemma-4-26b-a4b-it — le modèle sparse 26B A4B affiné sur instructions, décrit dans notre catalogue comme comptant 25,2 B de paramètres au total avec 3,8 B activés par token et un contexte de 262 144 tokens, acceptant des entrées texte, image et vidéo. Prix catalogue de 0,06 $ par million de tokens d'entrée et de 0,33 $ par million de tokens de sortie, les lectures d'entrée mises en cache étant à 0,0075 $ par million.

• google/gemma-4-31b-it — le modèle dense 31B affiné sur instructions, 30,7 milliards de paramètres. Prix catalogue : 0,13 $ par million de jetons d'entrée et 0,38 $ par million de jetons de sortie.

• obsidian/gemma-4-26B-A4B — une version hébergée par Obsidian du même modèle sparse 26B A4B, avec un contexte de 262 K tokens et une entrée texte et image, positionnée par son fournisseur pour l'écriture créative, le jeu de rôle et le travail d'assistant à long contexte. Prix catalogue : 0,25 $ par million de tokens d'entrée et 2,90 $ par million de tokens de sortie.

Deux des trois sont le même modèle de base servi par des fournisseurs différents, ce qui est le cas utile pour une couche de routage plutôt qu'une curiosité. Si un fournisseur se dégrade, la même requête bascule vers l'autre identifiant sans modification de code, et comme nous répercutons les prix catalogue des fournisseurs à 0 % de marge, une baisse de prix de l'offre hébergée sur l'un de ces trois vous parvient le jour où elle survient plutôt qu'après un cycle de révision tarifaire. Les deux entrées 26B A4B sont aussi l'illustration la plus claire de pourquoi il vaut la peine de regarder la différence de prix avant de choisir l'une par défaut : un écart de 4× en entrée et de 8,8× en sortie entre deux entrées exécutant la même architecture est une décision de routage, non une décision de modèle.

Une chose est absente, et il vaut mieux le dire clairement plutôt que de le sous-entendre. Il n’y a aucun identifiant 12B dans notre liste, quelle que soit l’orthographe. La taille qui compte le plus de pages actives et la plus forte demande de comparaison dans cette famille est précisément celle que nous ne servons pas ; donc si vous voulez le 12B via un point de terminaison hébergé, ce n’est pas ici que vous l’obtiendrez — et si vous voulez le membre de cette famille sans encodeur, compatible audio, de la classe 16GB, l’auto-hébergement des poids ouverts est la voie à prévoir.

Qu'est-ce qui n'est pas réglé ?

Trois choses qu’un lecteur ne doit pas considérer comme réglées. Premièrement, le tableau de benchmarks est entièrement fondé sur des données déclarées par le fournisseur ; le seul chiffre indépendant disponible pour cette famille est un unique score estimé de l’Intelligence Index pour une seule taille. Deuxièmement, la demande pour cette famille est presque entièrement comparative plutôt qu’autonome — 73 % des impressions de la famille Gemma 4 dans nos données proviennent de requêtes qualifiées, et les six plus importantes sont toutes des comparaisons avec Qwen — ce qui signifie que les réponses que les lecteurs veulent réellement dépendent de confrontations qui sont encore en cours de mesure. Troisièmement, le propre hub du fournisseur a depuis vu apparaître des voisins dont les noms sont proches de cette famille : un DiffusionGemma construit sur Gemma 4, des drafteurs de prédiction multi-token, et EmbeddingGemma 2. Ce sont des modèles distincts, et non des tailles de Gemma 4, et les mélanger dans une comparaison de tailles donnera des résultats absurdes.

Disponibilité

Les poids pour les cinq tailles — E2B, E4B, 12B, 26B A4B et 31B — sont publiés ouvertement sous licence Apache 2.0, en version pré-entraînée et affinée sur instructions, avec des versions QAT et GGUF en parallèle, via la distribution propre du fournisseur et les dépôts de modèles habituels. Sur les endpoints hébergés, l’offre varie selon la plateforme, et pour cette famille, cette variation est plus large que d’habitude : trois des cinq tailles figurent sur notre liste en direct, le 12B n’y figure pas, et au moins un évaluateur indépendant ne recense aucune API accessible publiquement pour celui-ci. Consultez le catalogue en direct de la plateforme que vous utilisez pour la taille spécifique dont vous avez besoin, plutôt que de supposer que le nom de la famille la couvre.