Gemma 4: ogni dimensione della famiglia open-weight di Google spiegata

Non esiste un unico Gemma 4 da cercare. L'attuale linea open-weight di DeepMind è composta da cinque modelli distinti — Gemma 4 E2B, Gemma 4 E4B, Gemma 4 12B, Gemma 4 26B A4B e Gemma 4 31B — distribuiti su due architetture e due livelli di finestra di contesto, e non concordano tra loro sulla domanda con cui arriva la maggior parte dei lettori. Tre dei cinque accettano l'audio. Due no. Due dei cinque sono il tipo di modello che si chiama tramite un'API; il 12B è quello che si scarica. Sbagliare la dimensione è il modo più comune per sprecare un fine settimana con questa famiglia, e nulla sull'hub dello stesso fornitore rende la distinzione evidente a colpo d'occhio.

Quel divario è misurabile, ed è il motivo per cui esiste questa pagina. Nei nostri dati di Search Console per il periodo 2026-09-15 – 2026-10-12, il facet Gemma 4 ha totalizzato 499 impression e 5 clic su 47 query. Il termine secco — qualcuno che digita semplicemente "gemma 4" — ha totalizzato 24 impression e zero clic su due query. Le sei query più grandi dell'intera area sono confronti, e ognuna di esse è contro un modello Qwen 3.8: gemma 4 vs qwen 3.8 (99 impression), gemma 4 vs qwen3.8 (40), gemma 4 vs qwen 3.8 27b (29). E il live blog risponde già a lungo agli scontri del 12B — tre confronti gemma-4-12b-vs-* si aprono con quel modello, e altri quaranta lo riportano dall'altro lato del versus. Ognuno di essi mette lo stesso Gemma 4 12B senza encoder contro un avversario diverso. I lettori non chiedono che cos'è Gemma 4. Chiedono se batte qualcosa. Quella domanda appartiene alle pagine di confronto. Ciò di cui i confronti hanno bisogno — e che non è stato ancora scritto — è un unico posto che dica con precisione che cos'è Gemma 4 e quali dimensioni esistono.

Cos'è davvero Gemma 4

Gemma 4 è la famiglia di modelli open-weight di DeepMind, pubblicata sia in forma pre-addestrata sia instruction-tuned, con i checkpoint instruction-tuned che portano il suffisso -it. La famiglia comprende progettazioni dense e mixture-of-experts, cinque dimensioni e un insieme condiviso di scelte architetturali: attenzione ibrida che alterna attenzione locale a finestra scorrevole con attenzione globale completa, con lo strato finale sempre globale; chiavi e valori unificati negli strati globali più RoPE proporzionale per tenere sotto controllo la memoria del contesto lungo; un vocabolario di 262.000 token; modalità di pensiero configurabili; chiamata di funzioni nativa; e supporto nativo per il ruolo system. Le model card affermano che i modelli sono stati pre-addestrati su più di 140 lingue, con oltre 35 supportate fin da subito.

Due cose riguardanti la famiglia sono decisive per la maggior parte dei lettori prima che si parli di performance.

Il primo è la licenza. Ogni dimensione di Gemma 4 della famiglia è distribuita con licenza Apache 2.0. Si tratta di un cambio di impostazione: le release di Gemma 2 e Gemma 3 includevano i Termini di utilizzo personalizzati di Gemma, e le loro model card su Hugging Face riportano ancora license: gemma. Le model card di Gemma 4 rimandano invece a un testo di licenza Apache 2.0, e il post di lancio descrive la famiglia come "rilasciata con una licenza Apache 2.0 commercialmente permissiva". Per chiunque abbia dovuto ragionare sui Termini di utilizzo di Gemma in passato, questo è il fatto saliente di questa pagina. Si applica a ciascuna dimensione, ed è indicato sulla model card di ogni dimensione — non dedotto da un'affermazione a livello di famiglia.

Il secondo punto è che "Gemma 4" non è un unico modello, e le dimensioni non sono copie in scala l'una dell'altra. E2B ed E4B usano un trucco chiamato Per-Layer Embeddings, in cui ogni layer del decoder ha una propria piccola tabella di embedding per token; quelle tabelle sono grandi ma vengono lette solo tramite lookup, ed è per questo che la scheda riporta conteggi effettivi dei parametri (2,3B e 4,5B) che restano molto al di sotto dei totali, comprese le embedding (5,1B e 8B). Il 12B è quello fuori dal coro dal punto di vista architetturale — è privo di encoder, proietta patch di immagini grezze e forme d'onda audio direttamente nel transformer tramite layer lineari leggeri anziché attraverso encoder dedicati per visione e audio. Il 31B è un modello denso convenzionale. Il 26B A4B è sparse. Quattro profili macchina diversi, un unico nome di famiglia.

La mappa delle dimensioni

Ecco la famiglia così come la descrivono le sue stesse schede del modello. I parametri, il numero di layer e le finestre di contesto riportati di seguito sono tratti dalle tabelle delle specifiche dense e MoE nelle schede del modello Gemma 4.

Gemma 4 E2B. Il membro più piccolo: 2,3B parametri effettivi, 5,1B incluse le embedding, 35 layer, una finestra scorrevole di 512 token e un contesto di 128K. Gestisce testo, immagini e audio, con circa 150M di parametri per l'encoder visivo e circa 300M per l'audio. È progettato per telefoni e dispositivi IoT, e non è una delle tre dimensioni per cui il fornitore ha pubblicato una pagina separata in questo batch — se sei qui specificamente per E2B, questa sezione è tutto ciò che c'è.

Gemma 4 E4B. Lo stesso design un gradino più su: 4,5B parametri effettivi, 8B inclusi gli embedding, 42 layer, finestra scorrevole di 512 token, contesto 128K e la stessa copertura di testo, immagini e audio con le stesse dimensioni degli encoder. Anche un modello edge, anche senza una pagina dedicata qui.

Gemma 4 12B. La fascia media unificata e senza encoder della famiglia: 11,95 miliardi di parametri, 48 layer, una finestra scorrevole da 1.024 token, contesto da 256K e audio nativo accanto a testo e immagini — che il post di lancio del 3 giugno 2026 definisce il primo Gemma di medie dimensioni a supportare l'audio. L'azienda stessa inquadra il deployment locale in 16 GB di VRAM o memoria unificata. Ha una pagina propria in questo lotto, e l'intera presenza della famiglia nella ricerca live oggi è costituita da tre gemma-4-12b-vs-* confronti, quindi quella pagina ha molto peso.

Gemma 4 26B A4B. Il modello sparso, e quello di cui tratta la sezione sulla notazione più sotto in questa pagina: 25,2B parametri totali, 30 strati, una finestra scorrevole di 1.024 token, contesto di 256K, solo testo e immagini — niente audio — e 8 esperti attivi su 128 più un esperto condiviso. Ha una propria pagina in questo batch.

Gemma 4 31B. Il top di gamma dense: 30,7 miliardi di parametri, 60 layer, finestra scorrevole da 1.024 token, contesto da 256K, testo e immagini con un encoder visivo da ~550M e nessun supporto audio. Ha una sua pagina in questo batch.

Metti i cinque fianco a fianco e la suddivisione in livelli è netta sotto un aspetto e confusa sotto un altro. La finestra di contesto segue esattamente la dimensione — 128K al di sotto dei 12B, 256K dai 12B in su. Per l'audio non è così: è disponibile sui due modelli più piccoli e sul 12B, ed è assente dai due più grandi. Se ti serve l'input vocale, il 31B è la scelta sbagliata, non importa quanto sei disposto a spendere in hardware.

Il "A4B" in 26B A4B, decodificato

Il nome contiene due numeri e solo uno di essi è un conteggio di parametri che useresti per la pianificazione della memoria. Il 26B è il totale: 25,2B parametri risiedono nel checkpoint. Il A4B è il conteggio attivo — all'incirca 3,8B parametri vengono toccati per token durante l'inferenza, perché il router mixture-of-experts seleziona 8 esperti su 128 (più un esperto condiviso) per ogni token. La scheda del modello afferma esplicitamente la "A": "La 'A' in 26B A4B sta per 'parametri attivi' in contrasto con il numero totale di parametri che il modello contiene."

Quello che ti offre è una velocità di inferenza più vicina a un modello 4B che a uno 26B, mentre la qualità si colloca più vicino al denso 31B — la descrizione stessa della scheda, e il motivo per cui il 26B A4B esiste come livello. Quello che non ti offre è un download di piccole dimensioni. Carichi tutti i 25,2B parametri; semplicemente non moltiplichi per tutti loro.

Pesi aperti, per dimensione, e ciò che la licenza consente

Tutte e cinque le dimensioni sono release open-weights, e tutte e cinque le model card dichiarano Apache 2.0 — E2B, E4B, 12B, 26B A4B e 31B allo stesso modo. Il post di lancio descrive la famiglia come «rilasciata sotto una licenza Apache 2.0 commercialmente permissiva» che dà agli sviluppatori il controllo sui propri dati, sulla propria infrastruttura e sui propri modelli, e il post del 12B ripete la dicitura Apache 2.0 per quella dimensione.

Apache 2.0 è l'intera storia della licenza in questo caso, ma vale la pena essere precisi su cosa significhi, perché è la domanda a cui la licenza risponde piuttosto che un'affermazione su qualsiasi servizio ospitato. Apache 2.0 concede una licenza di copyright perpetua, mondiale, non esclusiva e esente da royalty e una concessione di brevetto corrispondente, consente la ridistribuzione e la modifica e richiede che il testo della licenza accompagni l'opera e che i file modificati siano segnalati. La concessione di brevetto termina se si avvia un contenzioso brevettuale sull'opera. Non concede diritti di marchio oltre l'uso descrittivo consueto e declina ogni garanzia. Confrontato con i Termini di utilizzo di Gemma 2 e 3, la differenza pratica è che Apache 2.0 è una licenza permissiva standard, senza alcun allegato separato sull'uso accettabile collegato ai pesi.

Quindi la licenza consente la ridistribuzione, l'uso commerciale, la modifica e il fine-tuning di questi pesi, e i pesi stessi sono pubblicati. Questa è tutta la portata di ciò che dice il testo della licenza. Ciò che un determinato servizio genera con un modello in produzione è una questione separata, disciplinata dai termini propri di quel servizio e non dalla concessione di Apache 2.0.

Formati di download: cosa significano per te "QAT" e i repository GGUF

Questa è una domanda di un lettore con traffico reale alle spalle, quindi riceve qui una risposta anziché un rimando altrove. Il fornitore distribuisce checkpoint addestrati con quantizzazione consapevole (QAT) per l'intera famiglia, e sono il motivo per cui una dimensione che sembra troppo grande per la vostra macchina spesso non lo è.

• I checkpoint QAT sono pubblicati per ogni dimensione e in più di un formato: qat-q4_0-gguf per runtime locali in stile llama.cpp, qat-w4a16-ct per il serving con pesi a 4 bit / attivazioni a 16 bit, e qat-q4_0-unquantized varianti che contengono i pesi addestrati con QAT senza il packing, così puoi quantizzarli da solo.

• La pagina di Gemma descrive QAT come "compressione del modello per l'efficienza su dispositivi mobili e laptop", datata giugno 2026 — lo stesso mese in cui è arrivato il 12B.

• Abbina il formato alla dimensione in modo deliberato. E2B, E4B e 12B hanno qat-q4_0-gguf build pensate per telefoni, laptop e singole GPU consumer; anche il 26B A4B e il 31B hanno build a 4 bit, ma si tratta di quantizzazione lato serving per una macchina con memoria reale, non pensata per un telefono.

Esistono anche -assistant varianti in tutta la famiglia, ovvero i drafter di predizione multi-token che il fornitore distribuisce insieme ai modelli; la pagina Gemma di deepmind.com data il lavoro sui drafter a maggio 2026. Si tratta di una tecnica di accelerazione per la decodifica speculativa, non di un modello diverso: serve comunque il checkpoint principale.

Dove si collocano le dimensioni sull'hardware e quanto costano

Il post di lancio della famiglia descrive i due modelli più grandi come pesi bfloat16 non quantizzati che "entrano efficientemente in una singola GPU NVIDIA H100 da 80GB". Con 30,7B parametri, il 31B è poco più di 60GB in bfloat16, il che è una lettura corretta di quella frase. Il 26B A4B, con 25,2B parametri totali, si attesta intorno ai 50GB in bfloat16 ma gira alla velocità suggerita dal suo numero di parametri attivi, 3,8B.

Il 12B è la dimensione che il fornitore propone esplicitamente per l'uso locale — "Abbastanza piccolo da girare in locale con appena 16GB di VRAM o memoria unificata", stando al post di lancio di giugno 2026, con una build GGUF QAT a 4 bit come strada ovvia per rientrare in quel budget. Si tratta di un'affermazione del fornitore relativa a una configurazione specifica, non di una promessa generale valida per ogni livello di quantizzazione.

Sul prezzo, l'inquadramento onesto è che questa famiglia si divide contemporaneamente tra due modelli di costo. Se fai self-hosting, il tuo costo è la GPU e l'energia elettrica. Se chiami un endpoint ospitato, il prezzo per token è stabilito da chi lo serve e, per gran parte di questa famiglia, quel numero varia in base al provider. Artificial Analysis, un valutatore indipendente, indica Gemma 4 12B (Reasoning) a 0,10 $ per milione di token di input e 0,30 $ per milione di token di output — e segnala sulla stessa pagina la nota che per quella variante non esiste alcuna "API disponibile pubblicamente", il che è un utile segnale indipendente su quali dimensioni di questa famiglia abbiano effettivamente endpoint ospitati in circolazione.

Benchmark dei fornitori, con le etichette attaccate

I numeri seguenti sono quelli del fornitore stesso, pubblicati sulle schede del modello Gemma 4, e qui non sono stati riprodotti. Mettono a confronto i modelli ottimizzati per le istruzioni, con Gemma 3 27B (no think) come baseline della generazione precedente.

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

• Matematica competitiva — AIME 2026 senza strumenti: 89,2% / 88,3% / 77,5% / 42,5% / 37,5%, baseline 20,8%.

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

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

• Attività agentiche — Tau2, media su tre esecuzioni: 76,9% / 68,2% / 69,0% / 42,2% / 24,5%, baseline 16,2%.

• Contesto lungo — MRCR v2, 8-needle a 128k: 66,4% / 44,1% / 43,4% / 25,4% / 19,1%, baseline 13,5%. Questa riga è quella che separa più nettamente il 31B dai suoi fratelli.

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

• Analisi dei documenti — OmniDocBench 1.5 sulla distanza di modifica media, dove un valore inferiore è migliore: 0,131 / 0,149 / 0,164 / 0,181 / 0,290.

Due affermazioni del fornitore dal post di lancio vale la pena tenerle separate dalla tabella, perché sono classifiche più che misurazioni: il fornitore descrive il 31B come il «modello open n. 3 al mondo» e il 26B A4B come quello che occupa il «sesto posto». Questi sono i posizionamenti del fornitore rispetto a una serie di modelli che ha scelto lui. La scheda del modello riporta inoltre che i punteggi audio del 12B escludono il cinese. E un dato che non è né un benchmark né un prezzo: il post di giugno 2026 sul 12B afferma che i modelli Gemma 4 hanno «superato 150 milioni di download». È un numero riportato dal fornitore, senza alcuna verifica indipendente a corredo.

Per questa famiglia è emerso un solo punteggio indipendente. Artificial Analysis elenca Gemma 4 12B (Reasoning) a 14 sul suo Intelligence Index — segnalato esplicitamente come stima, con la valutazione indipendente ancora da arrivare, e classificato al 20º posto su 141 — insieme a 110,9 token di output al secondo e 2,49 secondi al primo token. La sua pagina dell'indice non riporta alcun punteggio misurato di Gemma 4 per le dimensioni maggiori. Considera l'intera tabella qui sopra come dati forniti dal produttore stesso, e il 14 del 12B come l'unico dato misurato della famiglia finora, per di più provvisorio.

Quali membri di Gemma 4 serviamo

OrcaRouter offre tre voci di Gemma 4, e oggi sono nella lista live:

• google/gemma-4-26b-a4b-it — il modello sparse 26B A4B ottimizzato per le istruzioni, descritto nel nostro catalogo come 25,2B parametri totali con 3,8B attivati per token e un contesto di 262.144 token, che accetta in input testo, immagini e video. Prezzo di listino: 0,06 $ per milione di token di input e 0,33 $ per milione di token di output, con letture dell'input in cache a 0,0075 $ per milione.

• google/gemma-4-31b-it — il modello dense da 31B ottimizzato per le istruzioni, 30,7B parametri. Prezzo di listino: $0,13 per milione di token di input e $0,38 per milione di token di output.

• obsidian/gemma-4-26B-A4B — una build ospitata su Obsidian dello stesso sparse 26B A4B, con un contesto di 262K token e input di testo e immagini, posizionata dal suo fornitore per scrittura creativa, roleplay e attività di assistenza su contesti lunghi. Prezzo di listino $0,25 per milione di token di input e $2,90 per milione di token di output.

Due dei tre sono lo stesso modello di base servito da provider diversi, il che è il caso utile per un livello di routing anziché una curiosità. Se un provider peggiora, la stessa richiesta passa automaticamente all'altro id senza modifiche al codice, e poiché trasmettiamo i prezzi di listino dei provider a 0% di ricarico, un taglio di prezzo lato hosting su uno qualsiasi di questi tre ti arriva il giorno stesso in cui viene applicato, anziché dopo un ciclo di riprezzamento. Le due voci 26B A4B sono anche l'illustrazione più chiara del perché vale la pena guardare la differenza di prezzo prima di sceglierne una per impostazione predefinita: un divario di 4× in input e di 8,8× in output tra due voci che eseguono la stessa architettura è una decisione di routing, non una decisione di modello.

Una cosa è assente e vale la pena dichiararla apertamente anziché lasciarla intendere. Non esiste alcun id 12B nella nostra lista, in nessuna grafia. La dimensione con il maggior numero di pagine attive e la maggiore domanda di confronto in questa famiglia è proprio quella che non serviamo, quindi se vuoi il 12B tramite un endpoint ospitato, questo non è il posto giusto per ottenerlo — e se vuoi il membro di questa famiglia senza encoder, con supporto audio, della classe 16GB, l'auto-hosting dei pesi aperti è la strada da pianificare.

Ciò che non è stabilito

Tre cose che un lettore non dovrebbe considerare chiuse. Primo, la tabella dei benchmark è interamente basata su dati dichiarati dal fornitore; l'unico numero indipendente disponibile per questa famiglia è un singolo punteggio stimato dell'Intelligence Index per una sola dimensione. Secondo, la domanda per questa famiglia è quasi del tutto comparativa anziché autonoma — il 73% delle impressioni della famiglia di Gemma 4 nei nostri dati proviene da query qualificate, e le sei più grandi sono tutte confronti con Qwen — il che significa che le risposte che i lettori vogliono davvero dipendono da confronti che sono ancora in fase di misurazione. Terzo, l'hub dello stesso fornitore ha nel frattempo fatto spuntare vicini con nomi molto vicini a questa famiglia: un DiffusionGemma basato su Gemma 4, modelli drafter per la previsione multi-token e EmbeddingGemma 2. Questi sono modelli separati, non dimensioni di Gemma 4, e mescolarli in un confronto tra dimensioni produrrà risultati privi di senso.

Disponibilità

I pesi per tutte e cinque le dimensioni — E2B, E4B, 12B, 26B A4B e 31B — sono pubblicati apertamente con licenza Apache 2.0, in forma pre-addestrata e ottimizzata per le istruzioni, con build QAT e GGUF a corredo, tramite la distribuzione propria del fornitore e i consueti repository di modelli. Sugli endpoint ospitati, l'offerta varia da piattaforma a piattaforma e, per questa famiglia, tale variazione è più ampia del solito: tre delle cinque dimensioni compaiono nel nostro elenco live, la 12B non compare nel nostro e almeno un valutatore indipendente non registra alcuna API disponibile pubblicamente per essa. Controlla il catalogo live della piattaforma che usi per la dimensione specifica che ti serve, invece di dare per scontato che il nome della famiglia la includa.