Gemma 4 は 5 つの異なるモデルバリアントを提供しており、それぞれが異なるハードウェアとユースケースに最適化されています。本ガイドでは、適切なモデルを選ぶための指針をお伝えします。
Gemma 4 モデルファミリーの概観
| モデル | パラメータ | 活性化パラメータ | コンテキスト | 最適な用途 |
|---|---|---|---|---|
| E2B | 2.3B | 2.3B | 128K | モバイル、IoT、エッジデバイス |
| E4B | 4.5B | 4.5B | 128K | ノート PC、タブレット、エッジ GPU |
| 12B | — | — | — | 統合型マルチモーダルワークロード（2026年6月3日リリース） |
| 26B A4B | 26B | 3.8B (MoE) | 256K | コンシューマー GPU、コスト効率の高い推論 |
| 31B Dense | 30.7B | 30.7B | 256K | 最高品質、ファインチューニング、ワークステーション |
Gemma 4 E2B: 超コンパクトモデル
最適な用途: スマートフォン、Raspberry Pi、Jetson Nano、その他リソースに制約のあるデバイス。
E2B モデルは、実効 23 億パラメータに驚くべき能力を詰め込んでいます。Q4 量子化では、わずか 3.2 GB のメモリで動作します — 現代のほとんどのスマートフォンで動かせる小ささです。
主な強み:
- ネイティブな音声入力サポート
- シンプルなタスクで限りなくゼロに近いレイテンシー
- 完全オフライン動作
- 128K コンテキストウィンドウ
制約: 大きなバリアントと比較すると推論品質は劣ります。テキスト要約、基本的な Q&A、素早い翻訳などの素直なタスクに最適です。
Gemma 4 E4B: エッジのスイートスポット
最適な用途: ノート PC、タブレット、Android/iOS アプリ、エッジ GPU。
E4B は E2B の能力を倍増させながら、コンシューマーハードウェアへの展開が可能なままです。Q4 量子化では約 5 GB が必要で、ほとんどのノート PC で快適に動作します。
主な強み:
- 音声および画像機能
- Android での AICore プレビューサポート
- ML Kit GenAI API 連携
- 強力な多言語性能
E2B よりも E4B を選ぶタイミング: より高い推論品質が必要で、メモリに少し余裕がある場合。E4B はほとんどのローカル展開に推奨される出発点です。
Gemma 4 12B：統合型マルチモーダルバリアント
最適な用途: テキスト、画像、音声を単一のパイプラインで扱うワークロード。
12B構成は、元の4月のローンチ後、2026年6月3日に登場しました。テキストバックボーンに個別のエンコーダーを後付けするのではなく、統合型マルチモーダルアーキテクチャを採用しています。そのため、手作業で構築したルーティング層を使わずに、1つのモデルで複数の入力タイプを扱う必要がある場合に、まず検討すべきバリアントです。
ファミリーの他のモデルより後にリリースされたため、パラメータ数、コンテキストウィンドウ、量子化時のメモリフットプリントに関する公開済みの数値は、まだ確定していません。ハードウェアの規模を決める前に、Hugging Faceの公式モデルカードで最新の数値を確認してください。数値が確認でき次第、上の表を更新します。
Gemma 4 26B A4B: 効率性のチャンピオン
最適な用途: コンシューマー GPU、単一 H100、コスト効率の高い本番サービング。
ここで Mixture-of-Experts アーキテクチャが真価を発揮します。総パラメータは 260 億ですが、1 トークンあたり活性化されるのはわずか 38 億 — 大規模モデルの品質を小規模モデルの推論コストで実現します。
主な強み:
- Arena AI でオープンモデル中第 6 位にランク
- 256K コンテキストウィンドウ
- MoE の効率性による超高速推論
- Q4 でコンシューマー GPU で動作 (15.6 GB)
31B よりも 26B を選ぶタイミング: 品質の最後の数パーセントを絞り出すよりも推論速度とコストが重要な場合。ほとんどの本番ユースケースでは、26B A4B が最高の品質対コスト比を提供します。
Gemma 4 31B Dense: フラグシップ
最適な用途: 最高品質のタスク、ファインチューニング、研究、ワークステーション展開。
31B Dense モデルは Gemma 4 の中で最も優れたバリアントであり、Arena AI テキストリーダーボードで世界のオープンモデル中第 3 位にランクされています。
主な強み:
- すべてのベンチマークで最高品質
- AIME 2026: 89.2%
- LiveCodeBench v6: 80%
- ファインチューニングワークフロー向けに最適化
- 256K コンテキストウィンドウ
ハードウェア要件: BF16 全精度では 58.3 GB (単一 80 GB H100) が必要です。Q4 量子化では 17.4 GB まで下がり、ハイエンドのコンシューマー GPU で実行可能です。
意思決定フローチャート
- スマートフォンや小型デバイスで実行する? → E2B
- ノート PC やタブレットで実行する? → E4B
- 優れたコスト効率で本番サービングが必要? → 26B A4B
- 最高品質が必要、またはファインチューニングを予定? → 31B Dense
- 決めきれない? → 16 GB 以上の VRAM があれば 26B A4B、そうでなければ E4B から始めましょう
メモリ要件のクイックリファレンス
| モデル | BF16 | FP8 | Q4_0 |
|---|---|---|---|
| E2B | 9.6 GB | 4.6 GB | 3.2 GB |
| E4B | 15 GB | 7.5 GB | 5 GB |
| 26B A4B | 48 GB | 25 GB | 15.6 GB |
| 31B | 58.3 GB | 30.4 GB | 17.4 GB |
これらの数値は静的なモデルの重みのみを示しています。実際のメモリ使用量はコンテキストウィンドウのサイズ、KV キャッシュ、ランタイムオーバーヘッドによって増加します。
結論
Gemma 4 に単一の「最良の」モデルは存在しません — 適切な選択はハードウェアの制約とユースケースの優先順位によります。このモデルファミリーは、ラインナップ全体で API 互換性を維持しながら、小規模から始めて (プロトタイピング用の E2B/E4B)、本番向けにスケールアップ (26B/31B) できるように設計されています。
始めたばかりのほとんどの開発者には、26B A4B をおすすめします — 品質、速度、ハードウェアのアクセスしやすさの最良のバランスを提供します。モバイルまたはエッジデバイスに展開する場合は、E4B から始めて、メモリが本当に制約されている場合にのみ E2B に落としてください。
