Gemma 4: Setiap Ukuran dalam Keluarga Open-Weight Google Dijelaskan

Tidak ada satu Gemma 4 tunggal untuk dicari. Lini open-weight DeepMind saat ini adalah lima model terpisah — Gemma 4 E2B, Gemma 4 E4B, Gemma 4 12B, Gemma 4 26B A4B, dan Gemma 4 31B — yang terbentang melintasi dua arsitektur dan dua tingkat jendela konteks, dan mereka saling tidak sepakat satu sama lain tentang pertanyaan yang paling umum dibawa pembaca. Tiga dari lima menerima audio. Dua tidak. Dua dari lima adalah jenis model yang Anda panggil melalui API; yang 12B adalah jenis yang Anda unduh. Salah menentukan ukuran adalah cara paling umum untuk membuang akhir pekan pada keluarga ini, dan tidak ada apa pun di hub milik vendor sendiri yang membuat pemisahan itu jelas sekilas.

Kesenjangan itu terukur, dan itulah sebabnya halaman ini ada. Berdasarkan data Search Console kami sendiri untuk 2026-09-15 hingga 2026-10-12, faset Gemma 4 menarik 499 tayangan dan 5 klik dari 47 kueri. Istilah telanjang — seseorang hanya mengetik "gemma 4" — menyumbang 24 tayangan dan nol klik pada dua kueri. Enam kueri terbesar di seluruh lingkungan tersebut adalah perbandingan, dan semuanya melawan model Qwen 3.8: gemma 4 vs qwen 3.8 (99 tayangan), gemma 4 vs qwen3.8 (40), gemma 4 vs qwen 3.8 27b (29). Dan blog langsung tersebut sudah menjawab pertarungan 12B secara panjang lebar — tiga gemma-4-12b-vs-* perbandingan diawali dengan model itu, dan empat puluh lainnya memuatnya di sisi lain versus. Semuanya menampilkan Gemma 4 12B tanpa encoder yang sama melawan lawan yang berbeda. Pembaca tidak bertanya apa itu Gemma 4. Mereka bertanya apakah ia mengalahkan sesuatu. Pertanyaan itu menjadi milik halaman perbandingan. Yang dibutuhkan perbandingan — dan yang belum ditulis — adalah satu tempat yang menyatakan dengan tepat apa itu Gemma 4 dan ukuran apa saja yang ada.

Apa sebenarnya Gemma 4

Gemma 4 adalah keluarga model open-weight milik DeepMind, diterbitkan dalam bentuk pre-trained dan instruction-tuned, dengan checkpoint instruction-tuned yang memiliki -it sebagai sufiks. Keluarga ini mencakup desain dense dan mixture-of-experts, lima ukuran, dan serangkaian pilihan arsitektur yang sama: hybrid attention yang menjalin local sliding-window attention dengan attention global penuh, dengan lapisan terakhir selalu global; unified keys dan values di lapisan global plus RoPE proporsional untuk menjaga memori long-context tetap terkendali; kosakata 262.000 token; mode berpikir yang dapat dikonfigurasi; pemanggilan fungsi native; dan dukungan native untuk system peran. Kartu model menyatakan bahwa model-model tersebut telah dilatih sebelumnya pada lebih dari 140 bahasa, dengan 35+ di antaranya didukung langsung.

Dua hal tentang keluarga tersebut menentukan pilihan sebagian besar pembaca sebelum performa masuk ke dalam pembicaraan.

Yang pertama adalah lisensi. Setiap ukuran Gemma 4 dalam keluarga ini dirilis di bawah Apache 2.0. Itu adalah perubahan sikap: rilis Gemma 2 dan Gemma 3 membawa Ketentuan Penggunaan Gemma yang khusus, dan kartu model mereka di Hugging Face masih bertuliskan license: gemma. Sebaliknya, kartu Gemma 4 menunjuk ke teks lisensi Apache 2.0, dan postingan peluncuran menggambarkan keluarga ini sebagai "dirilis di bawah lisensi Apache 2.0 yang permisif secara komersial." Bagi siapa pun yang pernah harus menalar tentang Ketentuan Penggunaan Gemma sebelumnya, itulah fakta utama di halaman ini. Ini berlaku per ukuran, dan dinyatakan pada kartu model masing-masing ukuran — bukan disimpulkan dari klaim tingkat keluarga.

Yang kedua adalah bahwa "Gemma 4" bukanlah satu model, dan ukuran-ukurannya bukan salinan yang diskalakan satu sama lain. E2B dan E4B menggunakan trik bernama Per-Layer Embeddings, di mana setiap lapisan decoder mendapatkan tabel embedding kecilnya sendiri per token; tabel-tabel itu besar tetapi hanya dibaca lewat lookup, itulah sebabnya kartu model mencantumkan jumlah parameter efektif (2,3B dan 4,5B) yang jauh di bawah total termasuk embedding (5,1B dan 8B). 12B adalah yang paling berbeda secara arsitektur — ia tanpa encoder, memproyeksikan patch gambar mentah dan bentuk gelombang audio langsung ke transformer melalui lapisan linear ringan alih-alih melalui encoder visi dan audio khusus. 31B adalah model dense konvensional. 26B A4B bersifat sparse. Empat profil mesin berbeda, satu nama keluarga.

Peta ukuran

Berikut adalah keluarga ini sebagaimana dijelaskan oleh kartu modelnya sendiri. Parameter, jumlah layer, dan jendela konteks di bawah ini dibaca dari tabel spesifikasi dense dan MoE pada kartu model Gemma 4.

Gemma 4 E2B. Anggota terkecil: parameter efektif 2,3B, 5,1B termasuk embeddings, 35 lapisan, jendela geser 512 token, dan konteks 128K. Ia menangani teks, gambar, dan audio, dengan sekitar 150M parameter encoder visi dan sekitar 300M untuk audio. Ia dibuat untuk ponsel dan perangkat IoT, dan ini bukan salah satu dari tiga ukuran yang vendor sertakan halaman terpisah untuknya dalam batch ini — jika Anda di sini khusus untuk E2B, bagian ini adalah keseluruhannya.

Gemma 4 E4B. Desain yang sama satu tingkat lebih tinggi: 4,5B parameter efektif, 8B termasuk embedding, 42 lapisan, jendela geser 512 token, konteks 128K, dan cakupan teks, gambar, serta audio yang sama dengan ukuran encoder yang sama. Juga model edge, juga tanpa halaman khusus di sini.

Gemma 4 12B. Bagian tengah keluarga yang terpadu dan tanpa encoder: 11,95B parameter, 48 lapisan, jendela geser 1.024 token, konteks 256K, dan audio native bersama teks dan gambar — yang oleh pos peluncuran 3 Juni 2026 disebut sebagai Gemma ukuran menengah pertama yang menerima audio. Formulasi vendor sendiri untuk deployment lokal adalah VRAM 16GB atau memori terpadu. Ia memiliki halaman sendiri dalam batch ini, dan seluruh kehadiran pencarian langsung keluarga ini hari ini adalah tiga gemma-4-12b-vs-* perbandingan, jadi halaman itu sangat penting.

Gemma 4 26B A4B. Model sparse, dan yang dibahas di bagian notasi halaman ini di bawah: total 25,2B parameter, 30 lapisan, jendela geser 1.024 token, konteks 256K, hanya teks dan gambar — tanpa audio — serta 8 expert aktif dari 128 ditambah satu expert bersama. Model ini memiliki halaman tersendiri di batch ini.

Gemma 4 31B. Varian dense teratas: 30,7B parameter, 60 lapisan, jendela geser 1.024 token, konteks 256K, teks dan gambar dengan encoder visi ~550M serta sama sekali tanpa audio. Model ini punya halaman tersendiri di batch ini.

Susun kelimanya berdampingan dan penjenjangan ini rapi dalam satu hal dan berantakan dalam hal lain. Jendela konteks mengikuti ukuran secara persis — 128K di bawah 12B, 256K pada 12B dan di atasnya. Audio tidak demikian: audio tersedia pada dua ukuran terkecil dan pada 12B, serta tidak ada pada dua ukuran terbesar. Jika Anda membutuhkan input suara, 31B adalah pilihan yang salah, berapa pun yang bersedia Anda keluarkan untuk perangkat keras.

Arti "A4B" dalam 26B A4B, diurai

Nama ini membawa dua angka dan hanya satu di antaranya adalah jumlah parameter yang akan Anda gunakan untuk perencanaan memori. 26B adalah totalnya: 25,2B parameter berada di dalam checkpoint. Adapun A4B adalah jumlah aktif — sekitar 3,8B parameter disentuh per token selama inferensi, karena router mixture-of-experts memilih 8 dari 128 expert (ditambah satu expert bersama) untuk setiap token. Kartu model menyatakan "A" secara eksplisit: "Huruf 'A' dalam 26B A4B adalah singkatan dari 'parameter aktif', berbeda dengan jumlah total parameter yang dimiliki model."

Yang Anda dapatkan dari itu adalah kecepatan inferensi yang lebih dekat ke model 4B daripada model 26B, sementara kualitasnya lebih dekat ke 31B dense — deskripsi kartu model itu sendiri, dan alasan 26B A4B ada sebagai tier. Yang tidak Anda dapatkan adalah unduhan yang kecil. Anda memuat semua 25,2B parameter; Anda hanya tidak mengalikannya terhadap semuanya.

Bobot terbuka, per ukuran, dan apa yang diizinkan oleh lisensi

Kelima ukuran tersebut merupakan rilis open-weights, dan kelima kartu modelnya menyatakan Apache 2.0 — E2B, E4B, 12B, 26B A4B, dan 31B semuanya. Postingan peluncuran menggambarkan keluarga ini sebagai "dirilis di bawah lisensi Apache 2.0 yang permisif secara komersial" yang memberi pengembang kendali atas data, infrastruktur, dan model mereka, dan postingan 12B mengulangi pernyataan Apache 2.0 untuk ukuran tersebut.

Apache 2.0 adalah keseluruhan cerita lisensi di sini, tetapi ada baiknya bersikap tepat tentang apa artinya itu, karena ini adalah pertanyaan yang dijawab oleh lisensi tersebut, bukan pernyataan tentang layanan yang dihosting mana pun. Apache 2.0 memberikan lisensi hak cipta yang berlaku terus-menerus, di seluruh dunia, non-eksklusif, dan bebas royalti serta hibah paten yang sepadan, mengizinkan redistribusi dan modifikasi, dan mewajibkan agar teks lisensi ikut menyertai karya tersebut serta agar berkas yang diubah ditandai. Hibah paten tersebut berakhir jika Anda mengajukan litigasi paten atas karya tersebut. Lisensi ini tidak memberikan hak merek dagang apa pun di luar penggunaan deskriptif yang lazim, dan menafikan jaminan. Jika dibaca terhadap Ketentuan Penggunaan Gemma 2 dan 3, perbedaan praktisnya adalah bahwa Apache 2.0 adalah lisensi permisif standar tanpa lampiran penggunaan yang dapat diterima yang terpisah yang dilampirkan pada bobot.

Jadi lisensi ini mengizinkan redistribusi, penggunaan komersial, modifikasi, dan penyempurnaan atas bobot-bobot ini, dan bobot-bobot itu sendiri dipublikasikan. Itulah keseluruhan cakupan yang dinyatakan oleh teks lisensi. Apa yang dihasilkan oleh layanan tertentu dengan model dalam produksi adalah pertanyaan terpisah, diatur oleh ketentuan layanan itu sendiri dan bukan oleh pemberian lisensi Apache 2.0.

下载格式：“QAT”和 GGUF 仓库对你意味着什么

Ini adalah pertanyaan pembaca dengan trafik nyata di baliknya, jadi pertanyaan ini dijawab di sini, bukan sekadar diberi penunjuk ke tempat lain. Vendor menyediakan checkpoint terlatih dengan kesadaran kuantisasi (QAT) untuk seluruh keluarga, dan itulah alasan ukuran yang tampak terlalu besar untuk mesin Anda sering kali sebenarnya tidak.

• Checkpoint QAT diterbitkan untuk setiap ukuran dan dalam lebih dari satu format: qat-q4_0-gguf untuk runtime lokal bergaya llama.cpp, qat-w4a16-ct untuk penyajian bobot 4-bit / aktivasi 16-bit, dan qat-q4_0-unquantized varian yang membawa bobot terlatih QAT tanpa packing, sehingga Anda dapat mengkuantisasinya sendiri.

• Halaman Gemma mendeskripsikan QAT sebagai "Kompresi model untuk efisiensi ponsel dan laptop," bertanggal Juni 2026 — bulan yang sama saat 12B hadir.

• Pasangkan format ke ukuran secara sengaja. E2B, E4B dan 12B memiliki qat-q4_0-gguf build yang menyasar ponsel, laptop, dan GPU konsumen tunggal; 26B A4B dan 31B juga memiliki build 4-bit, tetapi itu adalah kuantisasi sisi serving untuk mesin dengan memori sungguhan, bukan target ponsel.

Ada juga -assistant di seluruh keluarga, yang merupakan drafter prediksi multi-token yang disertakan vendor bersama model-model tersebut; halaman Gemma di deepmind.com mencatat pekerjaan drafter tersebut pada Mei 2026. Ini adalah teknik percepatan untuk decoding spekulatif, bukan model yang berbeda — Anda tetap memerlukan checkpoint utama.

Di mana ukuran-ukuran itu berada pada perangkat keras, dan berapa biayanya

Posting peluncuran untuk keluarga ini menggambarkan dua model yang lebih besar sebagai bobot bfloat16 tanpa kuantisasi yang "muat secara efisien pada satu GPU NVIDIA H100 80GB." Dengan 30,7B parameter, model 31B sedikit di atas 60GB dalam bfloat16, yang merupakan pembacaan wajar dari kalimat itu. Model 26B A4B, dengan total 25,2B parameter, berada di sekitar 50GB dalam bfloat16 tetapi berjalan pada kecepatan yang disiratkan oleh jumlah aktif 3,8B-nya.

12B adalah ukuran yang secara eksplisit ditawarkan vendor untuk penggunaan lokal — "Cukup kecil untuk dijalankan secara lokal hanya dengan 16GB VRAM atau memori terpadu," menurut posting peluncuran Juni 2026, dengan build GGUF QAT 4-bit sebagai jalur yang jelas untuk masuk ke anggaran tersebut. Itu adalah klaim vendor tentang konfigurasi tertentu, bukan janji umum tentang setiap tingkat kuantisasi.

Soal harga, cara jujur melihatnya adalah bahwa keluarga ini terbelah ke dalam dua model biaya sekaligus. Jika Anda menghosting sendiri, biaya Anda adalah GPU dan listrik. Jika Anda memanggil endpoint yang dihosting, harga per token ditentukan oleh siapa pun yang melayaninya, dan untuk sebagian besar keluarga ini angka itu bergerak mengikuti penyedianya. Artificial Analysis, evaluator independen, mencantumkan Gemma 4 12B (Reasoning) pada $0,10 per juta token masukan dan $0,30 per juta token keluaran — dan menandai halaman yang sama dengan catatan bahwa "Tidak ada API yang tersedia untuk publik" untuk varian tersebut, yang merupakan sinyal independen yang berguna tentang ukuran mana dalam keluarga ini yang benar-benar memiliki endpoint yang dihosting di dunia nyata.

Tolok ukur vendor, dengan label yang terpasang

Angka-angka di bawah ini berasal dari vendor sendiri, yang dipublikasikan pada kartu model Gemma 4, dan tidak direproduksi di sini. Angka-angka tersebut membandingkan model yang disetel dengan instruksi, dengan Gemma 3 27B (no think) sebagai baseline generasi sebelumnya.

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

• Matematika kompetisi — AIME 2026 tanpa alat: 89.2% / 88.3% / 77.5% / 42.5% / 37.5%, baseline 20.8%.

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

• Sains — GPQA Diamond: 84.3% / 82.3% / 78.8% / 58.6% / 43.4%, baseline 42.4%.

• Tugas agentik — Tau2, dirata-ratakan selama tiga kali pengujian: 76,9% / 68,2% / 69,0% / 42,2% / 24,5%, baseline 16,2%.

• Konteks panjang — MRCR v2, 8-needle pada 128k: 66,4% / 44,1% / 43,4% / 25,4% / 19,1%, baseline 13,5%. Baris inilah yang paling tajam memisahkan 31B dari model-model sekelasnya.

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

• Penguraian dokumen — OmniDocBench 1.5 pada rata-rata jarak edit, di mana semakin rendah semakin baik: 0.131 / 0.149 / 0.164 / 0.181 / 0.290.

Dua klaim vendor dari postingan peluncuran layak dipisahkan dari tabel, karena keduanya adalah peringkat, bukan pengukuran: vendor tersebut menggambarkan 31B sebagai "#3 model terbuka di dunia" dan 26B A4B sebagai menempati "posisi #6." Itu adalah penempatan vendor terhadap serangkaian model yang dipilihnya sendiri. Kartu model juga mencatat bahwa skor audio 12B mengecualikan bahasa Mandarin. Dan satu angka yang bukan tolok ukur maupun harga: postingan 12B Juni 2026 menyatakan model Gemma 4 telah "melewati 150 juta unduhan." Itu adalah angka yang dilaporkan vendor tanpa audit independen yang menyertainya.

Hanya satu skor independen yang muncul untuk keluarga ini. Artificial Analysis mencantumkan Gemma 4 12B (Reasoning) pada 14 di Intelligence Index-nya — ditandai secara eksplisit sebagai perkiraan, dengan evaluasi independen yang masih akan datang, dan berada di peringkat #20 dari 141 — bersama dengan 110,9 token keluaran per detik dan 2,49 detik ke token pertama. Halaman indeksnya tidak memuat skor Gemma 4 yang terukur untuk ukuran yang lebih besar. Perlakukan seluruh tabel di atas sebagai milik vendor sendiri, dan angka 14 milik 12B sebagai satu-satunya titik data terukur dalam keluarga ini sejauh ini, yang itu sendiri bersifat sementara.

Anggota Gemma 4 mana yang kami layani

OrcaRouter menyediakan tiga entri Gemma 4, dan ketiganya ada di daftar live hari ini:

• google/gemma-4-26b-a4b-it — sparse 26B A4B yang telah disetel dengan instruksi, dijelaskan dalam katalog kami sebagai 25,2B parameter total dengan 3,8B yang diaktifkan per token dan konteks 262.144 token, menerima input teks, gambar, dan video. Harga daftar $0,06 per juta token input dan $0,33 per juta token output, dengan pembacaan input yang di-cache sebesar $0,0075 per juta.

• google/gemma-4-31b-it — dense 31B yang disetel dengan instruksi, 30,7B parameter. Harga daftar $0,13 per juta token masukan dan $0,38 per juta token keluaran.

• obsidian/gemma-4-26B-A4B — build yang dihosting Obsidian dari sparse 26B A4B yang sama, dengan konteks 262K token dan input teks serta gambar, diposisikan oleh penyedianya untuk penulisan kreatif, roleplay, dan pekerjaan asisten konteks panjang. Harga daftar $0.25 per juta token input dan $2.90 per juta token output.

Dua dari tiga merupakan model dasar yang sama yang dilayani oleh penyedia berbeda, yang merupakan kasus berguna untuk lapisan routing, bukan sekadar keingintahuan. Jika penyedia mengalami degradasi, permintaan yang sama akan dialihkan ke id lainnya tanpa perubahan kode, dan karena kami meneruskan harga daftar penyedia pada markup 0%, pemotongan harga hosted pada salah satu dari ketiga ini sampai kepada Anda pada hari yang sama saat diberlakukan, bukan setelah siklus penetapan harga ulang. Dua entri 26B A4B juga merupakan ilustrasi paling jelas tentang mengapa perbedaan harga layak diperiksa sebelum Anda memilih satu secara default: selisih 4× pada input dan selisih 8.8× pada output antara dua entri yang menjalankan arsitektur yang sama adalah keputusan routing, bukan keputusan model.

Ada satu hal yang tidak ada, dan itu layak dinyatakan secara gamblang alih-alih disiratkan. Tidak ada id 12B dalam daftar kami dengan ejaan apa pun. Ukuran dengan halaman aktif terbanyak dan permintaan perbandingan tertinggi di keluarga ini justru yang tidak kami layani, jadi jika Anda menginginkan 12B melalui endpoint yang dihosting, ini bukan tempat untuk mendapatkannya — dan jika Anda menginginkan anggota keluarga ini yang tanpa encoder, mendukung audio, dan sekelas 16GB, melakukan self-hosting atas bobot terbuka adalah jalur yang perlu direncanakan.

Apa yang belum terselesaikan

Tiga hal yang tidak boleh dianggap sudah tuntas oleh pembaca. Pertama, tabel benchmark sepenuhnya dilaporkan vendor; satu-satunya angka independen yang tersedia untuk keluarga ini adalah satu skor Intelligence Index yang diestimasi untuk satu ukuran. Kedua, permintaan untuk keluarga ini hampir seluruhnya bersifat komparatif, bukan berdiri sendiri — 73% tayangan keluarga Gemma 4 dalam data kami berasal dari kueri berkualifikasi, dan enam yang terbesar semuanya adalah perbandingan Qwen — yang berarti jawaban yang sebenarnya diinginkan pembaca bergantung pada pertandingan yang masih diukur. Ketiga, hub milik vendor sendiri sejak itu telah memunculkan tetangga-tetangga dengan nama yang mirip dengan keluarga ini: DiffusionGemma yang dibangun di atas Gemma 4, drafter prediksi multi-token, dan EmbeddingGemma 2. Itu adalah model-model terpisah, bukan ukuran Gemma 4, dan mencampurkannya ke dalam perbandingan ukuran akan menghasilkan hal yang tidak masuk akal.

Ketersediaan

Bobot untuk kelima ukuran — E2B, E4B, 12B, 26B A4B, dan 31B — dipublikasikan secara terbuka di bawah Apache 2.0, dalam bentuk pra-latih dan yang disetel dengan instruksi, bersama build QAT dan GGUF, melalui distribusi vendor sendiri dan repositori model yang biasa. Pada endpoint yang dihosting, jajarannya berbeda-beda menurut platform, dan untuk keluarga ini variasi tersebut lebih lebar daripada biasanya: tiga dari lima ukuran muncul di daftar langsung kami, 12B tidak muncul di daftar kami, dan setidaknya satu evaluator independen mencatat sama sekali tidak ada API yang tersedia untuk publik untuk ukuran itu. Periksa katalog langsung platform mana pun yang Anda gunakan untuk ukuran spesifik yang Anda butuhkan, alih-alih menganggap nama keluarga sudah mencakupnya.