Gemma 4: Alla storlekar i Googles öppenviktsfamilj förklarade

Det finns ingen enskild Gemma 4 att slå upp. DeepMinds nuvarande linje med öppna vikter består av fem separata modeller – Gemma 4 E2B, Gemma 4 E4B, Gemma 4 12B, Gemma 4 26B A4B och Gemma 4 31B – utspridda över två arkitekturer och två nivåer av kontextfönster, och de är oense med varandra i den fråga som de flesta läsare kommer med. Tre av de fem tar emot ljud. Två gör det inte. Två av de fem är den sortens modell som man anropar via ett API; 12B är den sorten som man laddar ner. Att få storleken fel är det vanligaste sättet att slösa bort en helg på den här familjen, och inget på tillverkarens egen hubb gör uppdelningen uppenbar vid en första anblick.

Det gapet är mätbart, och det är därför den här sidan finns. I vår egen Search Console-data för 2026-09-15 till 2026-10-12 fick Gemma 4-facetten 499 visningar och 5 klick över 47 sökfrågor. Den fristående termen – någon som bara skriver "gemma 4" – stod för 24 visningar och noll klick på två sökfrågor. De sex största sökfrågorna i hela närområdet är jämförelser, och varenda en av dem är mot en Qwen 3.8-modell: gemma 4 vs qwen 3.8 (99 visningar), gemma 4 vs qwen3.8 (40), gemma 4 vs qwen 3.8 27b (29). Och livebloggen besvarar redan 12B:s matchningar utförligt – tre gemma-4-12b-vs-* jämförelser inleds med den modellen, och ytterligare fyrtio har den på andra sidan av versus. Varenda en av dem ställer samma encoderfria Gemma 4 12B mot en annan motståndare. Läsarna frågar inte vad Gemma 4 är. De frågar huruvida den slår något. Den frågan hör hemma på jämförelsesidorna. Det jämförelserna behöver – och det som inte har skrivits – är en enda plats som säger exakt vad Gemma 4 är och vilka storlekar som finns.

Vad Gemma 4 faktiskt är

Gemma 4 är DeepMinds modellfamilj med öppna vikter, publicerad i både förtränad och instruktionstränad form, där de instruktionstränade checkpoints bär -it-suffixet. Familjen omfattar täta och mixture-of-experts-arkitekturer, fem storlekar och en gemensam uppsättning arkitekturval: hybriduppmärksamhet som varvar lokal glidfönsteruppmärksamhet med full global uppmärksamhet, där det sista lagret alltid är globalt; enhetliga nycklar och värden i de globala lagren plus proportionell RoPE för att hålla långkontextminnet i schack; en vokabulär på 262 000 token; konfigurerbara tänkandelägen; inbyggda funktionsanrop; och inbyggt stöd för systemrollen. Modellkorten säger att modellerna förtränades på fler än 140 språk, varav fler än 35 stöds direkt.

Två saker om familjen avgör för de flesta läsare innan prestationen kommer på tal.

Det första är licensen. Varje Gemma 4-storlek i familjen levereras under Apache 2.0. Det är en ändrad hållning: släppen av Gemma 2 och Gemma 3 hade de anpassade Gemmavillkoren, och deras modellkort på Hugging Face står fortfarande license: gemma. Gemma 4-korten pekar i stället på en Apache 2.0-licenstext, och lanseringsinlägget beskriver familjen som ”utgiven under en kommersiellt tillåtande Apache 2.0-licens.” För alla som tidigare har behövt förhålla sig till Gemmavillkoren är det huvudfaktumet på den här sidan. Det gäller per storlek, och det anges på modellkortet för varje storlek — inte härlett från ett familjeövergripande påstående.

Det andra är att ”Gemma 4” inte är en enda modell, och storlekarna är inte skalade kopior av varandra. E2B och E4B använder ett trick som kallas Per-Layer Embeddings, där varje decoderlager får sin egen lilla embeddingstabell per token; dessa tabeller är stora men läses bara via uppslagning, vilket är anledningen till att kortet anger effektiva parameterantal (2,3B och 4,5B) som ligger långt under totalerna inklusive embeddings (5,1B och 8B). 12B är arkitektoniskt den udda fågeln — den är encoder-fri och projicerar råa bildpatcher och ljudvågformer rakt in i transformatorn genom lätta linjära lager i stället för genom dedikerade vision- och ljudencodrar. 31B är en konventionell tät modell. 26B A4B är gles. Fyra olika maskinprofiler, ett familjenamn.

Storlekskartan

Här är familjen så som dess egna modellkort beskriver den. Parametrar, antal lager och kontextfönster nedan är avlästa från dense- och MoE-specifikationstabellerna på Gemma 4-modellkorten.

Gemma 4 E2B. Den minsta medlemmen: 2,3 miljarder effektiva parametrar, 5,1 miljarder inklusive inbäddningar, 35 lager, ett glidande fönster på 512 tokens och en kontext på 128K. Den hanterar text, bild och ljud, med ungefär 150 miljoner parametrar för bildkodaren och runt 300 miljoner för ljud. Den är byggd för telefoner och IoT-enheter, och den är inte en av de tre storlekar som leverantören släppte en separat sida för i den här omgången – om du är här specifikt för E2B är det här avsnittet allt som finns.

Gemma 4 E4B.Samma design ett steg upp: 4,5B effektiva parametrar, 8B inklusive embeddings, 42 lager, ett glidande fönster på 512 tokens, 128K kontext och samma text-, bild- och ljudtäckning med samma encoderstorlekar. Också en edge-modell, också utan en dedikerad sida här.

Gemma 4 12B. Den enhetliga, encoderfria mitten av familjen: 11,95B parametrar, 48 lager, ett glidande fönster på 1 024 token, 256K kontext och inbyggt ljud vid sidan av text och bild – som lanseringsinlägget den 3 juni 2026 kallar den första medelstora Gemma-modellen som tar in ljud. Leverantörens egen formulering för lokal driftsättning är 16 GB VRAM eller enhetligt minne. Den har en egen sida i den här omgången, och familjens hela aktiva söknärvaro i dag är tre gemma-4-12b-vs-* jämförelser, så den sidan väger tungt.

Gemma 4 26B A4B. Den glesa modellen, och den som avsnittet om notation längre ner på den här sidan handlar om: 25,2B totala parametrar, 30 lager, ett glidande fönster på 1 024 token, 256K kontext, endast text och bild – inget ljud – och 8 aktiva experter av 128 plus en delad expert. Den har en egen sida i den här omgången.

Gemma 4 31B. Den täta toppmodellen: 30,7 miljarder parametrar, 60 lager, ett glidande fönster på 1 024 token, 256K kontext, text och bild med en visionsencoder på ~550M och inget ljud alls. Den har en egen sida i den här batchen.

Ställ de fem sida vid sida, och nivåindelningen är ren i ett avseende och rörig i ett annat. Kontextfönstret följer storleken exakt – 128K under 12B, 256K vid och över den. Ljud gör det inte: det finns på de två minsta storlekarna och på 12B, och saknas på de två största. Om du behöver röstinmatning är 31B fel val, oavsett hur mycket du är beredd att lägga på hårdvara.

"A4B" i 26B A4B, avkodat

Namnet innehåller två tal och bara ett av dem är ett parameterantal som du skulle använda för minnesplanering. 26B är totalen: 25,2B parametrar finns i checkpointen. A4B är det aktiva antalet – ungefär 3,8B parametrar berörs per token under inferens, eftersom mixture-of-experts-routern väljer 8 av 128 experter (plus en delad expert) för varje token. Modellkortet anger "A" uttryckligen: "'A' i 26B A4B står för 'aktiva parametrar' i motsats till det totala antalet parametrar som modellen innehåller."

Det du får av det är en inferenshastighet närmare en 4B-modell än en 26B-modell, medan kvaliteten ligger närmare den täta 31B-modellen – kortets egen beskrivning, och anledningen till att 26B A4B över huvud taget finns som en nivå. Det du inte får är en liten nedladdning. Du laddar alla 25,2B parametrar; du multiplicerar bara inte mot alla av dem.

Öppna vikter, per storlek, och vad licensen tillåter

Alla fem storlekar är släpp med öppna vikter, och alla fem modellkort anger Apache 2.0 — E2B, E4B, 12B, 26B A4B och 31B likaså. Lanseringsinlägget beskriver familjen som "utgiven under en kommersiellt tillåtande Apache 2.0-licens" som ger utvecklare kontroll över sina data, sin infrastruktur och sina modeller, och 12B-inlägget upprepar Apache 2.0-formuleringen för den storleken.

Apache 2.0 är hela licenshistorien här, men det är värt att vara precis om vad det innebär, eftersom det är frågan som licensen besvarar snarare än ett uttalande om någon hostad tjänst. Apache 2.0 beviljar en evig, global, icke-exklusiv, royaltyfri upphovsrättslicens och en motsvarande patentlicens, tillåter vidaredistribution och modifiering, och kräver att licenstexten följer med verket och att ändrade filer markeras. Patentlicensen upphör om du väcker patenttvist om verket. Den ger inga varumärkesrättigheter utöver sedvanlig beskrivande användning, och den friskriver sig från garantier. Jämfört med användarvillkoren för Gemma 2 och 3 är den praktiska skillnaden att Apache 2.0 är en standardtillåtande licens utan ett separat schema för godtagbar användning kopplat till vikterna.

Så licensen tillåter vidaredistribution, kommersiell användning, modifiering och finjusteringar av dessa vikter, och vikterna själva är publicerade. Det är hela omfattningen av vad licenstexten säger. Vad en viss tjänst genererar med en modell i produktion är en separat fråga, som styrs av den tjänstens egna villkor och inte av beviljandet enligt Apache 2.0.

Nedladdningsformat: vad "QAT" och GGUF-repona innebär för dig

Det här är en läsarfråga med verklig trafik bakom sig, så den får ett svar här i stället för en hänvisning någon annanstans. Leverantören tillhandahåller kvantiseringsmedvetet tränade (QAT) checkpoints för hela familjen, och de är anledningen till att en storlek som ser för stor ut för din maskin ofta inte är det.

• QAT-checkpunkter publiceras för varje storlek och i mer än ett format: qat-q4_0-gguf för lokala körtider i llama.cpp-stil, qat-w4a16-ct för servering med 4-bitars vikter / 16-bitars aktiveringar, och qat-q4_0-unquantized-varianter som bär de QAT-tränade vikterna utan packningen, så att du kan kvantisera dem själv.

• Gemma-sidan beskriver QAT som "Modellkomprimering för effektivitet på mobiler och bärbara datorer", daterad till juni 2026 — samma månad som 12B kom.

• Para medvetet ihop formatet med storleken. E2B, E4B och 12B har byggen av qat-q4_0-gguf som riktar sig till telefoner, bärbara datorer och enskilda konsument-GPU:er; 26B A4B och 31B har också 4-bitarsbyggen, men de är kvantisering för serveringssidan för en maskin med riktigt minne, inte ett telefonmål.

Det finns också -assistant-varianter i familjen, som är drafters för multi-token-förutsägelse som leverantören levererar tillsammans med modellerna; Gemma-sidan på deepmind.com daterar arbetet med drafters till maj 2026. Dessa är en snabbhetsteknik för spekulativ avkodning, inte en annan modell – du behöver fortfarande huvudcheckpointen.

Var storlekarna sitter på hårdvaran, och vad de kostar

Lanseringsinlägget för modellfamiljen beskriver de två större modellerna som okvantiserade bfloat16-vikter som "får plats effektivt på en enda 80 GB NVIDIA H100 GPU." Med 30,7B parametrar är 31B lite över 60 GB i bfloat16, vilket är en rimlig tolkning av den meningen. 26B A4B, med 25,2B parametrar totalt, landar på runt 50 GB i bfloat16 men körs i den hastighet som dess 3,8B aktiva parameterantal antyder.

12B är den storlek som leverantören uttryckligen marknadsför för lokal användning – ”Tillräckligt liten för att kunna köras lokalt med bara 16GB VRAM eller enhetligt minne”, enligt lanseringsinlägget i juni 2026, med ett 4-bitars QAT GGUF-bygge som den självklara vägen in i den budgeten. Det är ett leverantörspåstående om en specifik konfiguration, inte ett generellt löfte om varje kvantiseringsnivå.

När det gäller priset är den ärliga beskrivningen att den här familjen samtidigt delas mellan två kostnadsmodeller. Om du självhostar är din kostnad GPU:n och elen. Om du anropar en hostad slutpunkt sätts priset per token av den som tillhandahåller den, och för större delen av den här familjen varierar den siffran beroende på leverantören. Artificial Analysis, en oberoende utvärderare, listar Gemma 4 12B (Reasoning) till $0.10 per miljon indatatokens och $0.30 per miljon utdatatokens — och flaggar samma sida med noteringen att det inte finns något offentligt tillgängligt API för den varianten, vilket är en användbar oberoende signal om vilka storlekar i den här familjen som faktiskt har hostade slutpunkter i det vilda.

Leverantörsbenchmarkar, med etiketterna bifogade

Siffrorna nedan är leverantörens egna, publicerade på modellkorten för Gemma 4, och de återges inte här. De jämför de instruktionstränade modellerna, med Gemma 3 27B (no think) som baslinje från föregående generation.

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

• Tävlingsmatematik — AIME 2026 utan verktyg: 89,2 % / 88,3 % / 77,5 % / 42,5 % / 37,5 %, baslinje 20,8 %.

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

• Vetenskap — GPQA Diamond: 84.3% / 82.3% / 78.8% / 58.6% / 43.4%, baslinje 42.4%.

• Agentiska uppgifter — Tau2, medelvärde över tre körningar: 76,9 % / 68,2 % / 69,0 % / 42,2 % / 24,5 %, baslinje 16,2 %.

• Lång kontext — MRCR v2, 8-nåls vid 128k: 66,4 % / 44,1 % / 43,4 % / 25,4 % / 19,1 %, baslinje 13,5 %. Den här raden är den som skarpast skiljer 31B från dess syskon.

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

• Dokumenttolkning — OmniDocBench 1.5 för genomsnittligt redigeringsavstånd, där lägre är bättre: 0.131 / 0.149 / 0.164 / 0.181 / 0.290.

Två leverantörspåståenden är värda att hålla åtskilda från tabellen, eftersom de är rankningar snarare än mätningar: leverantören beskriver 31B som "#3 öppen modell i världen" och 26B A4B som att den tar "#6-platsen". Dessa är leverantörens rankningar mot en uppsättning modeller som den själv valde. Modellkortet anger att 12B:s ljudpoäng utesluter kinesiska. Och en siffra som varken är ett benchmark eller ett pris: 12B-inlägget från juni 2026 säger att Gemma 4-modellerna har "passerat 150 miljoner nedladdningar". Det är en siffra som rapporterats av leverantören utan någon oberoende granskning kopplad till sig.

Endast en oberoende poäng dök upp för den här familjen. Artificial Analysis listar Gemma 4 12B (Reasoning) på 14 i sitt Intelligence Index – uttryckligen markerat som en uppskattning, med oberoende utvärdering som ännu återstår, och rankat som #20 av 141 – tillsammans med 110,9 utdatatoken per sekund och 2,49 sekunder till första token. Dess indexsida innehåller ingen uppmätt Gemma 4-poäng för de större storlekarna. Betrakta hela tabellen ovan som leverantörens egen, och 12B:s 14 som den enda uppmätta datapunkten i familjen hittills, i sig preliminär.

Vilka Gemma 4-medlemmar vi betjänar

OrcaRouter tillhandahåller tre Gemma 4-poster, och de finns på live-listan idag:

• google/gemma-4-26b-a4b-it – den instruktionstränade glesa 26B A4B, som i vår katalog beskrivs som 25,2B parametrar totalt med 3,8B aktiverade per token och en kontext på 262 144 token, med stöd för text-, bild- och videoindata. Listpris 0,06 USD per miljon indatatoken och 0,33 USD per miljon utdatatoken, med cachade indataläsningar till 0,0075 USD per miljon.

• google/gemma-4-31b-it – den instruktionstränade täta 31B-modellen med 30,7B parametrar. Listpris 0,13 USD per miljon indatatoken och 0,38 USD per miljon utdatatoken.

• obsidian/gemma-4-26B-A4B — en Obsidian-hostad version av samma glesa 26B A4B, med en kontext på 262K tokens och text- och bildinmatning, positionerad av sin leverantör för kreativt skrivande, rollspel och assistentarbete med lång kontext. Listpris $0.25 per miljon input-tokens och $2.90 per miljon output-tokens.

Två av de tre är samma basmodell som tillhandahålls av olika leverantörer, vilket är det användbara fallet för ett routinglager snarare än en kuriositet. Om en leverantör försämras växlar samma begäran över till det andra id:t utan kodändring, och eftersom vi för vidare leverantörernas listpriser med 0 % påslag når en prissänkning på någon av dessa tre dig samma dag som den landar, i stället för efter en prisjusteringscykel. De två 26B A4B-posterna är också den tydligaste illustrationen av varför prisskillnaden är värd att titta på innan du förinställer dig på en: en 4× skillnad på input och en 8,8× skillnad på output mellan två poster som kör samma arkitektur är ett routingbeslut, inte ett modellbeslut.

En sak saknas, och det är värt att säga rakt ut snarare än att antyda. Det finns inget 12B-id i vår lista under någon stavning. Den storlek som har flest live-sidor och störst jämförelsebehov i den här familjen är just den vi inte tillhandahåller, så om du vill ha 12B via en hostad endpoint är detta inte platsen att få den – och om du vill ha den encoder-fria, ljudkapabla 16GB-klassmedlemmen i den här familjen är självhostning av de öppna vikterna vägen att planera för.

Vad är inte avgjort

Tre saker som en läsare inte bör betrakta som avslutade. För det första är benchmark-tabellen helt och hållet leverantörsrapporterad; det enda oberoende siffran som finns tillgänglig för denna familj är en enda uppskattad Intelligence Index-poäng för en storlek. För det andra är efterfrågan på denna familj nästan helt och hållet jämförande snarare än fristående — 73 % av Gemma 4-familjens visningar i våra data kommer från kvalificerade frågor, och de sex största är alla Qwen-jämförelser — vilket innebär att de svar läsarna faktiskt vill ha beror på matchningar som fortfarande mäts. För det tredje har leverantörens egen hubb sedan dess fått grannar med namn som ligger nära denna familj: en DiffusionGemma byggd på Gemma 4, multi-token-förutsägelsedrafters och EmbeddingGemma 2. Det är separata modeller, inte Gemma 4-storlekar, och att blanda in dem i en storleksjämförelse kommer att ge nonsens.

Tillgänglighet

Vikterna för alla fem storlekarna – E2B, E4B, 12B, 26B A4B och 31B – publiceras öppet under Apache 2.0, i förtränad och instruktionstränad form, med QAT- och GGUF-byggen vid sidan av, via leverantörens egen distribution och de vanliga modellarkiven. På hostade slutpunkter varierar utbudet beroende på plattform, och för den här familjen är variationen större än vanligt: tre av de fem storlekarna finns med i vår live-lista, 12B finns inte med i vår lista, och minst en oberoende utvärderare anger att det inte finns något offentligt tillgängligt API för den över huvud taget. Kontrollera live-katalogen för den plattform du använder för den specifika storlek du behöver i stället för att anta att familjenamnet täcker in den.