Google udostępnia architekturę Gemma 4 na licencji Apache 2.0

W strategii Google nastąpił istotny zwrot dotyczący udostępniania technologii sztucznej inteligencji. Gigant z Mountain View zaprezentował rodzinę modeli Gemma 4, która odchodzi od dotychczasowych, restrykcyjnych licencji własnościowych na rzecz standardu Apache 2.0. To zmiana fundamentalna dla deweloperów, dająca im pełną kontrolę nad infrastrukturą i danymi, przy jednoczesnym zachowaniu dostępu do architektury bezpośrednio spokrewnionej z flagowym, zamkniętym modelem Gemini 3.

Elastyczność – od smartfona po serwerownię

Nowa linia obejmuje cztery warianty dostosowane do skrajnie różnych potrzeb obliczeniowych: Effective 2B (E2B), Effective 4B (E4B), Mixture-of-Experts (MoE) 26B oraz topowy, gęsty model 31B. Takie zróżnicowanie pozwala na implementację AI zarówno w ograniczonych energetycznie urządzeniach IoT czy smartfonach (modele E2B/E4B), jak i w zaawansowanych stacjach roboczych wyposażonych w karty graficzne z segmentu konsumenckiego i profesjonalnego.

Co istotne, mniejsze modele krawędziowe natywnie radzą sobie z przetwarzaniem obrazu, wideo oraz dźwięku, oferując okno kontekstowe o rozmiarze 128 tysięcy tokenów. W przypadku większych jednostek parametr ten wzrasta do 256 tysięcy, co stawia je w ścisłej czołówce rozwiązań open-source.

Wydajność warta uwagi – liczby i benchmarki

Google deklaruje, że Gemma 4 wyznacza nowe standardy efektywności, przewyższając w niektórych zadaniach modele o znacznie większej liczbie parametrów. Model 31B zajmuje obecnie trzecie miejsce na prestiżowej liście Arena AI Text Leaderboard, co udowadnia, że optymalizacja architektury może być ważniejsza niż surowa skala. Z kolei wariant 26B MoE, dzięki aktywacji zaledwie 3,8 miliarda parametrów podczas pracy, oferuje wyjątkową szybkość generowania treści przy zachowaniu wysokiej precyzji logicznej.

Niezależne testy, takie jak GPQA Diamond skupiający się na rozumowaniu naukowym, potwierdzają te ambicje. Gemma 4 31B osiągnęła wynik na poziomie 85,7 proc., co plasuje ją przed wieloma modelami konkurencji. Warto jednak zachować zdrowy krytycyzm – choć wyniki benchmarków są imponujące, rzeczywista użyteczność w specyficznych, komercyjnych wdrożeniach zawsze podlega weryfikacji przez realnych użytkowników.

Gotowość do pracy w ekosystemie agentowym

W dzisiejszym AI nie liczy się już tylko generowanie tekstu, ale zdolność do działania (tzw. 'agentic workflows’). Modele Gemma 4 wspierają natywne wywoływanie funkcji (function calling) oraz generowanie ustrukturyzowanych danych w formacie JSON. Umożliwia to budowę autonomicznych agentów, którzy potrafią korzystać z zewnętrznych narzędzi i API do rozwiązywania złożonych problemów matematycznych i logicznych.

Wsparcie dla szerokiego spektrum sprzętu – od jednostek NVIDIA Jetson Orin Nano po potężne układy Blackwell, a także procesory graficzne AMD i układy TPU od Google – sugeruje, że koncern chce uczynić z Gemmy standard rynkowy. Modele są już dostępne na platformach Hugging Face, Kaggle oraz Ollama, wspierając najpopularniejsze frameworki programistyczne, od vLLM po llama.cpp.