2026 年 4 月、Google DeepMind は Gemma 4 を公開しました — オープンソース AI モデルファミリーの最新世代です。Gemini モデルと同じ研究基盤の上に構築された Gemma 4 は、オープンソース AI にとって大きな飛躍を意味します。真のマルチモーダル理解、256K トークンのコンテキストウィンドウ、内蔵の推論機能、140 以上の言語への対応 — すべてが Apache 2.0 ライセンスの下で公開されています。
本ガイドでは、Gemma 4 について知っておくべきすべて — 何であるか、どのモデルが利用できるか、何が特別か、そしてどう始めるかを解説します。
Gemma 4 モデルファミリー
Gemma 4 は単一のモデルではなく、異なるユースケースとハードウェア制約向けに設計された 5 つのモデルからなるファミリーです。
Gemma 4 E2B はファミリーで最も小さいモデルで、Mixture-of-Experts (MoE) アーキテクチャを採用し、総 40 億パラメータのうち 20 億が活性化します。コンパクトなサイズにもかかわらず — Q4 量子化でわずか 3.2 GB — E2B はオンデバイス展開において印象的な能力を提供します。スマートフォンやエッジデバイスで快適に動作し、プライベートでオフラインな AI を誰もがアクセスできるようにします。
Gemma 4 E4B は MoE アプローチをスケールアップし、総 80 億パラメータのうち 40 億を活性化します。音声理解を含む完全なマルチモーダルサポートを追加しており、重いインフラなしで強力な能力が必要な開発者にとってのスイートスポットとなります。E4B はテキスト、画像、動画、音声をネイティブに処理します。
Gemma 4 12Bは、当初の4月のローンチに続き、2026年6月3日にファミリーに加わりました。テキストバックボーンに個別のエンコーダーを追加するのではなく、統合されたマルチモーダルアーキテクチャを採用しているため、手作業でルーティング層を構築せずに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、最初に検討すべきバリアントです。ラインナップの他のモデルより後にリリースされたため、公開されているパラメーター数、コンテキスト、メモリに関する数値はまだ確定していません。ハードウェアを見積もる前に、Hugging Faceの公式モデルカードを確認してください。
Gemma 4 26B A4B は本番環境の主力モデルです。MoE アーキテクチャにより総 260 億パラメータのうち 90 億が活性化し、推論コストを管理可能に保ちながら、はるかに大きなモデルに匹敵する性能を発揮します。コード生成 (LiveCodeBench で 80%)、エージェントによるツール利用、複雑な推論タスクに優れています。
Gemma 4 31B Dense はフラグシップモデルです。他のモデルとは異なり、従来の Dense アーキテクチャを採用し、推論時には 310 億すべてのパラメータが活性化します。これにより、特に長文コンテキスト理解や繊細な多言語タスクで、ベンチマーク全体で最高の生品質を提供します。品質が最優先の場合に最適な選択肢です。
主な機能
マルチモーダル理解
Gemma 4 モデルはテキスト、画像、動画、音声 (音声は E2B と E4B でサポート) をネイティブに処理します。可変解像度の画像入力により、強制的なリサイズなしでネイティブな解像度で画像を分析でき、チャート読み取り、ドキュメント OCR、画像分析などの視覚タスクで精度が向上します。
256K トークンのコンテキストウィンドウ
すべての Gemma 4 モデルは 256K トークンのコンテキストウィンドウをサポートしており、コードベース全体、長文の法的文書、書籍レベルのテキスト、または拡張されたマルチターンの会話を処理するのに十分な長さです。これは以前の世代からの大幅な改善であり、コンテキスト長の観点で Gemma 4 を最大規模のプロプライエタリモデルと同等の水準に引き上げます。
内蔵の推論機能
Gemma 4 は、複雑な問題を段階的に分解できる強化された思考能力を備えています。これは、数学的推論、コードのデバッグ、複数ステップの計画立案タスクに特に有用です。推論モードはユースケースに応じてオン/オフを切り替えられます。
ネイティブな関数呼び出し
エージェントやツール利用アプリケーションを構築する開発者のために、Gemma 4 は構造化 JSON 出力を含むネイティブな関数呼び出しをサポートしています。これにより、脆弱なプロンプトエンジニアリングなしに、外部 API の呼び出し、データベースのクエリ、複数ステップのワークフローのオーケストレーションを確実に行えます。
140 以上の言語サポート
Gemma 4 は 140 以上の言語をサポートしており、全般にわたって強力な性能を発揮します。Massive Multitask Multilingual Understanding (MMMLU) ベンチマークでは 85.2% を記録し、現在利用可能な最も優れた多言語オープンソースモデルの 1 つとなっています。これにより、翻訳、コンテンツモデレーション、カスタマーサポートにおける真にグローバルなアプリケーションが可能になります。
ベンチマーク
Gemma 4 は主要なベンチマーク全体で競争力のある、あるいは首位の結果を提供します。
- LiveCodeBench: 80% (26B A4B) — 強力なコード生成と理解
- MMMLU: 85.2% — 卓越した多言語理解
- MMMU: 72.4% (31B Dense) — 強力なマルチモーダル理解
- MATH-500: 91.8% (31B Dense) — 専門家レベルに近い数学的推論
- Arena Hard: 85.1% (31B Dense) — 競争力のある対話能力
これらの数値は、Gemma 4 をトップクラスのオープンソースモデルの 1 つに位置づけ、多くのプロプライエタリな代替モデルと競合する水準にあることを示しています。
始め方
Gemma 4 を試す最も簡単な方法は Ollama を使うことです。
ollama pull gemma4:26b
ollama run gemma4:26bブラウザベースの実験には、Google AI Studio をご覧ください。Gemma 4 とチャットし、無料で API キーを取得できます。
本番展開には、モデルは HuggingFace、Kaggle から入手でき、vLLM、TGI、SGLang などのフレームワークでサービングできます。
詳細なセットアップ手順については Getting Started ガイド を、利用可能なすべてのプラットフォームについては Downloads ページ をご覧ください。
結論
Gemma 4 はオープンソース AI にとっての転換点となります。開発者は初めて、真のマルチモーダル理解、長文コンテキスト、内蔵の推論機能、ネイティブなツール利用、幅広い多言語サポートを組み合わせたモデルファミリーに — 使用制限のない Apache 2.0 ライセンスの下で — アクセスできるようになりました。
コードアシスタントの構築、スマートフォンへの AI 展開、数千のドキュメントの処理、多言語カスタマーサポートエージェントの作成のいずれを行うにしても、Gemma 4 は構築の基盤となる能力の高い、効率的で、真にオープンな土台を提供します。オープンソース AI とプロプライエタリ AI のギャップは、今ほど小さくなったことはありません。
