Gemma 4: elke grootte in de open-weightfamilie van Google uitgelegd

Er is geen enkele Gemma 4 om op te zoeken. De huidige open-weightlijn van DeepMind bestaat uit vijf afzonderlijke modellen — Gemma 4 E2B, Gemma 4 E4B, Gemma 4 12B, Gemma 4 26B A4B en Gemma 4 31B — verdeeld over twee architecturen en twee contextvensterniveaus, en ze zijn het onderling oneens over de vraag waarmee de meeste lezers aankomen. Drie van de vijf accepteren audio. Twee niet. Twee van de vijf zijn het soort model dat je via een API aanroept; de 12B is het soort dat je downloadt. De verkeerde maat kiezen is de meest voorkomende manier om een weekend te verspillen aan deze familie, en niets op de hub van de leverancier zelf maakt de tweedeling in één oogopslag duidelijk.

Die kloof is meetbaar, en daarom bestaat deze pagina. In onze eigen Search Console-gegevens voor 2026-09-15 tot 2026-10-12 trok het Gemma 4-facet 499 vertoningen en 5 klikken over 47 zoekopdrachten. De kale term — iemand die alleen "gemma 4" typt — was goed voor 24 vertoningen en nul klikken bij twee zoekopdrachten. De zes grootste zoekopdrachten in de hele buurt zijn vergelijkingen, en elke daarvan is tegen een Qwen 3.8-model: gemma 4 vs qwen 3.8 (99 vertoningen), gemma 4 vs qwen3.8 (40), gemma 4 vs qwen 3.8 27b (29). En de liveblog beantwoordt de matchups van de 12B al uitvoerig — drie gemma-4-12b-vs-* vergelijkingen beginnen met dat model, en nog veertig andere hebben het aan de andere kant van de versus. Elk daarvan zet dezelfde encoderloze Gemma 4 12B tegenover een andere tegenstander. Lezers vragen niet wat Gemma 4 is. Ze vragen of het iets verslaat. Die vraag hoort op de vergelijkingspagina's. Wat de vergelijkingen nodig hebben — en wat nog niet is geschreven — is één plek die precies zegt wat Gemma 4 is en welke formaten er bestaan.

Wat Gemma 4 eigenlijk is

Gemma 4 is de open-weight modelfamilie van DeepMind, gepubliceerd in zowel vooraf getrainde als instructie-afgestemde vorm, waarbij de instructie-afgestemde checkpoints het achtervoegsel -it dragen. De familie omvat dense en mixture-of-experts-ontwerpen, vijf groottes en een gedeelde set architectuurkeuzes: hybride attention die lokale sliding-window-attention afwisselt met volledige globale attention, waarbij de laatste laag altijd globaal is; uniforme keys en values in de globale lagen plus proportionele RoPE om het geheugen voor lange contexten in toom te houden; een vocabulaire van 262.000 tokens; configureerbare denkmodi; native functieaanroepen; en native ondersteuning voor de system-rol. De modelkaarten zeggen dat de modellen vooraf zijn getraind op meer dan 140 talen, waarvan er meer dan 35 out of the box worden ondersteund.

Twee dingen aan het gezin bepalen de mening van de meeste lezers al voordat prestaties ter sprake komen.

Het eerste is de licentie. Elk Gemma 4-formaat in de familie wordt uitgebracht onder Apache 2.0. Dat is een verandering in houding: de releases van Gemma 2 en Gemma 3 vielen onder de aangepaste Gemma Terms of Use, en hun modelkaarten op Hugging Face vermelden nog steeds license: gemma. De Gemma 4-kaarten verwijzen in plaats daarvan naar een Apache 2.0-licentietekst, en het lanceringsbericht beschrijft de familie als "uitgebracht onder een commercieel permissieve Apache 2.0-licentie". Voor iedereen die zich ooit heeft moeten buigen over de Gemma Terms of Use, is dat het belangrijkste feit op deze pagina. Het geldt per formaat, en het staat op de eigen modelkaart van elk formaat — niet afgeleid uit een claim op familieniveau.

Het tweede is dat "Gemma 4" niet één model is, en de groottes zijn geen geschaalde kopieën van elkaar. E2B en E4B gebruiken een truc genaamd Per-Layer Embeddings, waarbij elke decoderlaag zijn eigen kleine embeddingtabel per token krijgt; die tabellen zijn groot, maar worden uitsluitend via lookup gelezen, en daarom vermeldt de kaart effectieve parameteraantallen (2,3B en 4,5B) die ver onder de totalen inclusief embeddings (5,1B en 8B) liggen. De 12B is architectonisch het buitenbeentje — hij is encoder-vrij en projecteert ruwe beeldpatches en audiogolfvormen rechtstreeks de transformer in via lichtgewicht lineaire lagen in plaats van via toegewijde beeld- en audio-encoders. De 31B is een conventioneel dense model. De 26B A4B is sparse. Vier verschillende machineprofielen, één familienaam.

De maatkaart

Dit is de familie zoals de eigen modelkaarten haar beschrijven. De parameters, laagaantallen en contextvensters hieronder zijn afgelezen van de dense- en MoE-specificatietabellen op de modelkaarten van Gemma 4.

Gemma 4 E2B. Het kleinste lid: 2,3 miljard effectieve parameters, 5,1 miljard inclusief embeddings, 35 lagen, een sliding window van 512 tokens en een 128K-context. Het verwerkt tekst, beeld en audio, met ongeveer 150 miljoen parameters voor de visie-encoder en rond 300 miljoen voor audio. Het is gebouwd voor telefoons en IoT-apparaten, en het is niet een van de drie groottes waarvoor de leverancier in deze batch een aparte pagina heeft uitgebracht — als je hier specifiek voor E2B bent, dan is deze sectie alles wat er is.

Gemma 4 E4B. Hetzelfde ontwerp, een stap hoger: 4,5B effectieve parameters, 8B inclusief embeddings, 42 lagen, een sliding window van 512 tokens, 128K context, en dezelfde tekst-, beeld- en audiodekking met dezelfde encodergroottes. Ook een edge-model, ook zonder een eigen pagina hier.

Gemma 4 12B. Het uniforme, encoderloze midden van de familie: 11,95 miljard parameters, 48 lagen, een sliding window van 1.024 tokens, 256K-context, en native audio naast tekst en beeld — het lanceringsbericht van 3 juni 2026 noemt dit de eerste middelgrote Gemma die audio ondersteunt. De eigen positionering van de leverancier voor lokale implementatie is 16 GB VRAM of unified memory. Het heeft zijn eigen pagina in deze batch, en de volledige aanwezigheid van de familie in live zoekresultaten bestaat vandaag uit drie gemma-4-12b-vs-* vergelijkingen, dus die pagina weegt zwaar.

Gemma 4 26B A4B. Het sparse model, en degene waarover de notatiesectie hieronder op deze pagina gaat: 25,2B totale parameters, 30 lagen, een schuivend venster van 1.024 tokens, 256K context, alleen tekst en afbeeldingen — geen audio — en 8 actieve experts van de 128 plus één gedeelde expert. Het heeft zijn eigen pagina in deze batch.

Gemma 4 31B. Het dense topmodel: 30,7B parameters, 60 lagen, 1.024-token sliding window, 256K-context, tekst en beeld, 550M vision-encoder en helemaal geen audio. Het heeft een eigen pagina in deze batch.

Zet de vijf naast elkaar, en de tierindeling is in één opzicht netjes en in een ander rommelig. Het contextvenster loopt exact gelijk met de grootte — 128K onder 12B, 256K bij 12B en hoger. Bij audio is dat niet het geval: het is beschikbaar op de twee kleinste varianten en op de 12B, en ontbreekt bij de twee grootste. Als je spraakinvoer nodig hebt, is de 31B de verkeerde keuze, ongeacht hoeveel je bereid bent aan hardware uit te geven.

De "A4B" in 26B A4B, gedecodeerd

De naam bevat twee getallen en slechts één ervan is een parameteraantal dat je zou gebruiken voor geheugenplanning. De 26B is het totaal: 25,2B parameters staan in het checkpoint. De A4B is het actieve aantal — tijdens inferentie worden per token ruwweg 3,8B parameters aangeraakt, omdat de mixture-of-experts-router 8 van de 128 experts selecteert (plus één gedeelde expert) voor elke token. De modelkaart vermeldt de A expliciet: "De 'A' in 26 A4B staat voor 'actieve parameters', in tegenstelling tot het totale aantal parameters dat het model bevat."

Wat dat je oplevert, is een inferentiesnelheid die dichter bij een 4B-model dan bij een 26B-model ligt, terwijl de kwaliteit dichter bij het dense 31B-model zit — de beschrijving op de kaart zelf, en de reden dat de 26B A4B überhaupt als niveau bestaat. Wat het je niet oplevert, is een kleine download. Je laadt alle 25,2B parameters; je vermenigvuldigt alleen niet met alle parameters.

Open gewichten, per grootte, en wat de licentie toestaat

Alle vijf de maten zijn open-weights-releases, en alle vijf de modelkaarten vermelden Apache 2.0 — E2B, E4B, 12B, 26B A4B en 31B allemaal. De aankondigingspost beschrijft de familie als "uitgebracht onder een commercieel permissieve Apache 2.0-licentie" die ontwikkelaars controle geeft over hun data, infrastructuur en modellen, en de 12B-post herhaalt de Apache 2.0-regel voor die maat.

Apache 2.0 is hier het hele licentieverhaal, maar het is de moeite waard precies te zijn over wat dat betekent, want het gaat om de vraag die de licentie beantwoordt, niet om een uitspraak over een gehoste dienst. Apache 2.0 verleent een eeuwigdurende, wereldwijde, niet-exclusieve, royaltyvrije auteursrechtlicentie en een daarmee overeenkomende octrooiverlening, staat herdistributie en wijziging toe, en vereist dat de licentietekst met het werk meereist en dat gewijzigde bestanden worden gemarkeerd. De octrooiverlening eindigt als je een octrooirechtszaak aanspant over het werk. Ze verleent geen merkrechten verder dan gebruikelijk beschrijvend gebruik, en ze sluit garanties uit. Afgezet tegen de Gebruiksvoorwaarden van Gemma 2 en 3 is het praktische verschil dat Apache 2.0 een standaard permissieve licentie is zonder afzonderlijke bijlage voor aanvaardbaar gebruik die aan de gewichten is gekoppeld.

Dus de licentie staat herdistributie, commercieel gebruik, wijziging en fine-tuning van deze gewichten toe, en de gewichten zelf zijn gepubliceerd. Dat is de volledige strekking van wat de licentietekst zegt. Wat een bepaalde dienst met een model in productie genereert, is een aparte kwestie, die wordt beheerst door de eigen voorwaarden van die dienst en niet door de Apache 2.0-licentieverlening.

Downloadformaten: wat "QAT" en de GGUF-repo's voor jou betekenen

Dit is een lezersvraag waar echt verkeer achter zit, dus krijgt die hier een antwoord in plaats van een verwijzing elders. De leverancier levert voor de hele familie kwantisatiebewust getrainde (QAT)-checkpoints, en die zijn de reden dat een formaat dat te groot lijkt voor je machine dat vaak niet is.

• QAT-checkpoints worden voor elke grootte en in meer dan één formaat gepubliceerd: qat-q4_0-gguf voor lokale runtimes in llama.cpp-stijl, qat-w4a16-ct voor serving met 4-bits gewichten / 16-bits activaties, en qat-q4_0-unquantized varianten die de QAT-getrainde gewichten zonder de packing bevatten, zodat je ze zelf kunt quantiseren.

• De Gemma-pagina beschrijft QAT als "Modelcompressie voor efficiëntie op mobiel en laptop", gedateerd juni 2026 — dezelfde maand dat de 12B verscheen.

• Stem het formaat bewust af op de grootte. E2B, E4B en 12B hebben qat-q4_0-gguf builds die zich richten op telefoons, laptops en afzonderlijke consumenten-GPU's; de 26B A4B en 31B hebben ook 4-bit builds, maar die zijn kwantisering aan de serverzijde voor een machine met echte geheugencapaciteit, niet voor een telefoon.

Er zijn ook -assistant-varianten binnen de familie; dit zijn de multi-token-voorspellingsdrafters die de leverancier samen met de modellen meelevert. De Gemma-pagina op deepmind.com dateert het drafterwerk op mei 2026. Dit is een snelheidstechniek voor speculatief decoderen, geen ander model — je hebt nog steeds het hoofdcheckpoint nodig.

Waar de formaten op de hardware staan, en wat ze kosten

Het lanceringsbericht voor de modelfamilie beschrijft de twee grotere modellen als niet-gekwantiseerde bfloat16-gewichten die "efficiënt op één 80GB NVIDIA H100 GPU passen." Met 30,7 miljard parameters is het 31B-model iets meer dan 60GB in bfloat16, wat een redelijke lezing van die zin is. Het 26B A4B-model komt met 25,2 miljard totale parameters uit op ongeveer 50GB in bfloat16, maar draait op de snelheid die zijn 3,8 miljard actieve parameters doen vermoeden.

De 12B is de omvang die de leverancier expliciet aanprijst voor lokaal gebruik — "Klein genoeg om lokaal te draaien met slechts 16GB VRAM of unified memory," volgens het lanceringsbericht van juni 2026, met een 4-bit QAT GGUF-build als de voor de hand liggende route naar dat budget. Dat is een claim van de leverancier over een specifieke configuratie, niet een algemene belofte over elk kwantisatieniveau.

Wat de prijs betreft: de eerlijke voorstelling van zaken is dat deze familie zich tegelijk over twee kostenmodellen verdeelt. Als je zelf host, bestaan je kosten uit de GPU en de elektriciteit. Als je een gehost endpoint aanroept, wordt de prijs per token bepaald door degene die het aanbiedt, en voor het grootste deel van deze familie beweegt dat getal mee met de provider. Artificial Analysis, een onafhankelijke evaluator, vermeldt Gemma 4 12B (Reasoning) tegen $0,10 per miljoen inputtokens en $0,30 per miljoen outputtokens — en markeert dezelfde pagina met de opmerking dat er voor die variant "geen openbaar beschikbare API" is, wat een nuttig onafhankelijk signaal is over welke groottes in deze familie daadwerkelijk gehoste endpoints in het wild hebben.

Leveranciersbenchmarks, met de bijgevoegde labels

De onderstaande cijfers zijn afkomstig van de leverancier zelf, gepubliceerd op de modelkaarten van Gemma 4, en ze zijn hier niet gereproduceerd. Ze vergelijken de instructie-afgestemde modellen, met Gemma 3 27B (no think) als de baseline van de vorige generatie.

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

Wedstrijdwiskunde — AIME 2026 zonder hulpmiddelen: 89,2% / 88,3% / 77,5% / 42,5% / 37,5%, basislijn 20,8%.

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

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

• Agentische taken — Tau2, gemiddeld over drie runs: 76,9% / 68,2% / 69,0% / 42,2% / 24,5%, baseline 16,2%.

• Lange context — MRCR v2, 8-needle bij 128k: 66,4% / 44,1% / 43,4% / 25,4% / 19,1%, basislijn 13,5%. Deze rij onderscheidt de 31B het scherpst van zijn zustermodellen.

• 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%.

• Documentparsing — OmniDocBench 1.5 op gemiddelde bewerkingsafstand, waarbij lager beter is: 0.131 / 0.149 / 0.164 / 0.181 / 0.290.

Twee claims van de leverancier uit het lanceringsbericht zijn het waard om apart van de tabel te houden, omdat het rangschikkingen zijn en geen metingen: de leverancier beschrijft de 31B als het "#3 open model in de wereld" en de 26B A4B als de "#6 plek". Dat zijn de plaatsingen van de leverancier tegenover een reeks modellen die hij zelf heeft gekozen. De modelkaart vermeldt ook dat de audioscores van de 12B Chinees uitsluiten. En één cijfer dat noch een benchmark noch een prijs is: het 12B-bericht van juni 2026 zegt dat Gemma 4-modellen "de 150 miljoen downloads zijn gepasseerd". Dat is een door de leverancier gerapporteerd aantal zonder onafhankelijke audit.

Voor deze familie is slechts één onafhankelijke score opgedoken. Artificial Analysis vermeldt Gemma 4 12B (Reasoning) met 14 op zijn Intelligence Index — expliciet gemarkeerd als een schatting, terwijl onafhankelijke evaluatie nog moet volgen, en gerangschikt op #20 van 141 — naast 110,9 outputtokens per seconde en 2,49 seconden tot het eerste token. De indexpagina ervan bevat geen gemeten Gemma 4-score voor de grotere varianten. Beschouw de hele tabel hierboven als afkomstig van de leverancier zelf, en de 14 van de 12B als het enige gemeten datapunt in de familie tot dusver, dat zelf voorlopig is.

Welke leden van Gemma 4 wij bedienen

OrcaRouter serveert drie Gemma 4-vermeldingen, en ze staan vandaag op de live lijst:

• google/gemma-4-26b-a4b-it — de op instructies afgestemde sparse 26B A4B, in onze catalogus beschreven als 25,2B totale parameters met 3,8B geactiveerd per token en een context van 262.144 tokens, die tekst-, beeld- en video-invoer accepteert. Catalogusprijs $0,06 per miljoen invoertokens en $0,33 per miljoen uitvoertokens, met het lezen van gecachte invoer tegen $0,0075 per miljoen.

• google/gemma-4-31b-it — het op instructies afgestemde dense 31B-model, 30,7 miljard parameters. Catalogusprijs $0,13 per miljoen inputtokens en $0,38 per miljoen outputtokens.

• obsidian/gemma-4-26B-A4B — een door Obsidian gehoste build van dezelfde sparse 26B A4B, met een context van 262K tokens en tekst- plus beeldinvoer, door de aanbieder gepositioneerd voor creatief schrijven, rollenspel en langetermijncontext-assistentiewerk. Catalogusprijs $0,25 per miljoen invoertokens en $2,90 per miljoen uitvoertokens.

Twee van de drie zijn hetzelfde basismodel, aangeboden door verschillende providers, wat het nuttige scenario is voor een routeringslaag in plaats van een curiositeit. Als een provider verslechtert, wordt hetzelfde verzoek zonder codewijziging overgeschakeld naar de andere id, en omdat we de lijstprijzen van providers doorgeven tegen 0% opslag, bereikt een prijsverlaging voor hosting op een van deze drie je op de dag dat die ingaat, in plaats van na een herprijzingscyclus. De twee 26B A4B-vermeldingen zijn ook de duidelijkste illustratie van waarom het prijsverschil het bekijken waard is voordat je standaard voor één kiest: een 4× verschil op input en een 8,8× verschil op output tussen twee vermeldingen met dezelfde architectuur is een routeringsbeslissing, niet een modelbeslissing.

Eén ding ontbreekt, en het is de moeite waard om dat ronduit te zeggen in plaats van te suggereren. Er staat geen 12B-id in onze lijst, onder welke spelling dan ook. De maat met de meeste live pagina's en de meeste vraag naar vergelijkingen in deze familie is precies degene die wij niet aanbieden, dus als je de 12B via een gehost endpoint wilt, is dit niet de plek om hem te krijgen — en als je het encoder-vrije, audio-capabele, 16GB-klasselid van deze familie wilt, is het zelf hosten van de open gewichten de route waarvoor je moet plannen.

Wat is niet geregeld

Drie dingen die een lezer niet als afgesloten moet beschouwen. Ten eerste: de benchmarktabel is volledig gebaseerd op door de leverancier gerapporteerde cijfers; het enige onafhankelijke getal dat voor deze familie beschikbaar is, is één geschatte Intelligence Index-score voor één grootte. Ten tweede: de vraag naar deze familie is bijna volledig vergelijkend van aard in plaats van op zichzelf staand — 73% van de vertoningen voor de Gemma 4-familie in onze data komt uit gekwalificeerde zoekopdrachten, en de zes grootste zijn allemaal Qwen-vergelijkingen — wat betekent dat de antwoorden die lezers echt willen, afhangen van match-ups die nog worden gemeten. Ten derde: de eigen hub van de leverancier heeft sindsdien buren laten ontspruiten met namen die dicht bij deze familie liggen: een DiffusionGemma gebouwd op Gemma 4, multi-token prediction-drafters en EmbeddingGemma 2. Dat zijn aparte modellen, geen Gemma 4-groottes, en ze in een groottevergelijking mengen levert onzin op.

Beschikbaarheid

Gewichten voor alle vijf groottes — E2B, E4B, 12B, 26B A4B en 31B — worden openlijk gepubliceerd onder Apache 2.0, in voorgetrainde en instructie-afgestemde vorm, met QAT- en GGUF-builds ernaast, via de eigen distributie van de leverancier en de gebruikelijke modelrepositories. Op gehoste endpoints verschilt het aanbod per platform, en voor deze familie is die variatie groter dan gebruikelijk: drie van de vijf groottes staan op onze live lijst, de 12B staat niet op de onze, en ten minste één onafhankelijke evaluator vermeldt helemaal geen openbaar beschikbare API ervoor. Controleer de live catalogus van het platform dat u gebruikt voor de specifieke grootte die u nodig hebt, in plaats van aan te nemen dat de familienaam die omvat.