Google DeepMind представила Gemma 4 — новое семейство открытых ИИ-моделей, которое делает ставку не только на качество, но и на запуск прямо на собственном железе. Линейка поддерживает более 140 языков, работает с текстом и изображениями, а часть версий ещё и понимает аудио, что открывает дорогу для голосовых сценариев, локальных ассистентов и умных устройств. По сути, Google пытается превратить Gemma 4 не просто в ещё одну open-модель, а в основу для on-device AI — от смартфонов и ПК до edge-устройств и умного дома.
Что произошло
2 апреля 2026 года Google DeepMind представила Gemma 4 — новое семейство открытых моделей, которое компания позиционирует как самый сильный open-релиз в линейке Gemma на данный момент. Модели вышли под лицензией Apache 2.0, а сам акцент сделан не только на качестве, но и на возможности запускать их прямо на собственном железе — от смартфонов и ноутбуков до edge-устройств.
В линейку вошли четыре версии: E2B, E4B, 26B Mixture of Experts и 31B Dense. Google отдельно подчёркивает, что Gemma 4 построена на технологиях Gemini 3 и рассчитана не просто на обычный чат, а на более сложные сценарии: reasoning, агентные workflows, локальный кодинг, работу с изображениями и, в случае младших моделей, ещё и с аудио.
По сути, Google пытается занять сразу две ниши. С одной стороны, это открытая модель для разработчиков, которым нужен сильный open-вариант для ПК и рабочих станций. С другой — это платформа для on-device AI, где ассистенты, голосовые сценарии и автономные функции могут работать прямо на устройстве, без постоянной привязки к облаку. Именно поэтому в анонсе отдельно вынесены 140+ языков, мультимодальность и поддержка Android, iOS, Windows, Linux, macOS, WebGPU, Raspberry Pi 5 и других edge-платформ.
Какие версии Gemma 4 вышли
Google выпустила четыре версии Gemma 4, и это сразу показывает, что компания строит не одну универсальную модель «для всего», а целое семейство под разные устройства и сценарии. В линейку вошли E2B, E4B, 26B Mixture of Experts и 31B Dense. Причём Google прямо разделяет их по назначению: младшие модели рассчитаны на мобильные и edge-сценарии, а старшие — на более серьёзную локальную работу на ПК, workstation-конфигурациях и ускорителях.
E2B и E4B — это самые компактные версии Gemma 4, созданные для on-device AI. Google делает на них особую ставку в сценариях, где важны низкая задержка, экономия памяти и возможность работать полностью офлайн. Эти модели ориентированы на смартфоны, IoT-устройства, Raspberry Pi, edge-платформы и другие компактные девайсы, где нельзя просто “накинуть ещё железа”, но при этом нужен полноценный локальный ИИ.
При этом младшие модели не выглядят как урезанная демо-версия “для галочки”. Google отдельно подчёркивает, что E2B и E4B поддерживают мультимодальные сценарии, а также нативный аудиовход для распознавания и понимания речи. Именно поэтому их удобно подавать как основу для голосовых ассистентов, функций умного дома, локальных AI-приложений и других edge-сценариев, где важны не только ответы модели, но и работа с реальным окружением пользователя.
Старшие версии — 26B MoE и 31B Dense — уже рассчитаны на тех, кому нужен максимум качества и более серьёзные reasoning-задачи. 26B MoE делает ставку на эффективность и скорость: во время инференса она активирует только 3,8 млрд параметров, за счёт чего должна работать быстрее и легче, чем можно ожидать от модели такого класса. А 31B Dense, наоборот, позиционируется как вариант с упором на максимальное качество и как сильная база для дообучения под свои задачи.
Если упростить, то линейка Gemma 4 делится очень понятно: E2B и E4B — для мобильных, IoT и голосовых edge-сценариев, а 26B и 31B — для локального AI на компьютерах, кодинга, агентных workflows и более тяжёлых задач. И именно эта разбивка делает релиз сильнее: Google не просто выпустила “ещё одну open-модель”, а сразу закрыла несколько уровней железа — от умных устройств до мощных рабочих машин.
Главные возможности Gemma 4
Главная сила Gemma 4 в том, что Google не пытается подать её как просто ещё одну открытую модель “для чата”. Линейка изначально заточена под reasoning, то есть более сложные рассуждения, многошаговую логику и выполнение задач, где модели нужно не просто сгенерировать текст, а последовательно дойти до результата. В официальном анонсе Google отдельно подчёркивает улучшения в математике, instruction-following и сценариях, где важны планирование и глубина ответа.
Вторая важная особенность — агентные возможности. Gemma 4 получила нативную поддержку function calling, structured JSON output и system instructions, то есть у разработчиков появляется база для создания более надёжных локальных агентов, которые могут работать с инструментами, API и внешними действиями, а не только отвечать в формате обычного диалога. Именно поэтому Google прямо продвигает Gemma 4 как основу для agentic workflows, а не просто как чат-модель.
Отдельно стоит выделить мультимодальность. Все модели семейства работают с текстом и изображениями, поддерживают разные разрешения и подходят для визуальных задач вроде OCR и понимания графиков. Кроме того, в документации Google указано, что Gemma 4 умеет обрабатывать и видео, а у младших моделей E2B и E4B есть ещё и нативный аудиовход — это делает их особенно интересными для голосовых интерфейсов, ассистентов и edge-сценариев в умном доме.
Ещё один сильный аргумент — длинный контекст. У младших edge-моделей окно контекста составляет 128K токенов, а у более крупных версий — до 256K токенов. Это значит, что Gemma 4 можно использовать не только для коротких запросов, но и для длинных документов, больших инструкций, репозиториев кода и сложных цепочек действий, где модели нужно удерживать много информации сразу.
Наконец, Google делает очень сильный акцент на глобальности модели. Gemma 4 обучена на 140+ языках, причём компания отдельно подаёт это не просто как поддержку перевода, а как шаг к более глубокому пониманию контекста и культурных особенностей. На практике это выглядит как попытка сделать открытую модель, которая подходит не только для англоязычного рынка, но и для действительно международных продуктов.
Если упростить, то набор возможностей у Gemma 4 выглядит очень сильным: reasoning, агенты, мультимодальность, аудио, длинный контекст, кодинг и 140+ языков. И именно поэтому релиз выглядит не как очередное обновление ради галочки, а как вполне серьёзная заявка Google на рынок открытых моделей для локального AI.
Чем Gemma 4 выделяется на фоне других open-моделей
Главное отличие Gemma 4 в том, что Google подаёт её не как просто ещё одну открытую модель, а как семейство, которое пытается выжать максимум качества из сравнительно умеренного размера. В официальном анонсе компания прямо называет Gemma 4 своими самыми умными open-моделями на данный момент и делает акцент на intelligence-per-parameter — то есть на соотношении реальных возможностей к размеру модели, а не только на сухом числе параметров.
И это не просто красивая формулировка для пресс-релиза. По данным Google, модель 31B Dense сейчас занимает 3-е место среди открытых моделей в Arena AI text leaderboard, а 26B MoE — 6-е. Компания отдельно подчёркивает, что Gemma 4 в этой таблице обходит модели, которые примерно в 20 раз больше по размеру, и именно это делает релиз особенно заметным на фоне других open-решений.
Отдельно выделяется версия 26B Mixture of Experts. Google пишет, что во время инференса она активирует только 3,8 млрд параметров из общего объёма, делая ставку на низкую задержку и высокую скорость генерации. А 31B Dense, наоборот, позиционируется как вариант с упором на максимальное качество и как сильная база для дальнейшего дообучения под свои задачи. То есть внутри одной линейки Google сразу разводит два подхода: эффективность и максимум качества.
Ещё один важный момент — Gemma 4 выделяется не только среди “больших” open-моделей, но и среди компактных. Младшие E2B и E4B версии заточены под on-device-сценарии: они поддерживают мультимодальность, умеют работать с аудио, рассчитаны на локальный запуск на телефонах, Raspberry Pi и других edge-устройствах, а их архитектура специально оптимизирована под экономию памяти и низкую задержку. То есть Google пытается закрыть не только нишу “сильной open-модели для ПК”, но и рынок компактного локального ИИ для реальных устройств.
Если упростить, то Gemma 4 пытается выиграть не за счёт статуса самой большой модели на рынке, а за счёт более интересной комбинации: сильные результаты, высокая эффективность, локальный запуск и широкая линейка под разное железо. И именно поэтому этот релиз выглядит не как проходное обновление, а как серьёзная заявка Google на лидерство в сегменте открытых моделей.
Где Gemma 4 можно запускать
Одна из самых сильных сторон Gemma 4 в том, что Google не ограничивает её ролью “модели для серверов” или инструмента только для разработчиков с мощным железом. В официальных материалах компания прямо показывает, что семейство рассчитано на запуск на самых разных типах устройств: от смартфонов и ноутбуков до edge-платформ, IoT-сценариев и робототехники. Именно поэтому Gemma 4 подаётся не просто как open-модель, а как база для on-device AI, который может работать прямо на устройстве, а не только через облако.
В мобильном сегменте Google делает особенно сильный акцент на Android и iOS. Для разработчиков доступна Google AI Edge Gallery на iOS и Android, где можно запускать и тестировать Gemma 4 полностью локально, включая агентные сценарии. На Android Google также отдельно продвигает AICore Developer Preview — через него разработчики могут использовать встроенную и оптимизированную версию Gemma 4 на уровне системы, что делает модель особенно интересной для мобильных ассистентов и AI-функций прямо внутри приложений.
Если говорить о компьютерах, то Gemma 4 поддерживается на Windows, Linux и macOS, причём для macOS отдельно указана работа через Metal. Кроме того, Google заявляет и нативный запуск в браузере через WebGPU, а это уже важный момент: модель можно встраивать не только в desktop-приложения, но и в веб-интерфейсы, где часть AI-логики будет работать прямо у пользователя в браузере. Такой охват делает Gemma 4 заметно более универсальной, чем многие open-модели, которые на практике остаются в основном “историей для ПК и серверов”.
Отдельный интерес вызывает запуск на edge- и IoT-устройствах. Google прямо пишет о поддержке Raspberry Pi 5 и платформ Qualcomm IQ8 NPU, а в качестве реальных сценариев называет умный дом, голосовых ассистентов и робототехнику. Более того, в dev-посте приводится конкретный пример производительности Gemma 4 E2B на Raspberry Pi 5: модель показывает высокий prefill throughput и достаточную скорость генерации для полностью офлайновых сценариев на ограниченном железе. Это как раз тот момент, из-за которого релиз и выглядит необычно: Google пытается протолкнуть идею, что полезный AI может жить не только в дата-центре, но и в компактных устройствах у пользователя дома.
Важно и то, что Google не просто перечисляет платформы, а даёт под них конкретные инструменты. Для более широкого развёртывания Gemma 4 компания продвигает LiteRT-LM, который работает на мобильных, desktop- и edge-устройствах, а также предлагает CLI и Python-пакет для Linux, macOS и Raspberry Pi. За счёт этого Gemma 4 выглядит не как абстрактная модель “где-то в документации”, а как готовая база для локальных AI-приложений, которые можно запускать на телефонах, компьютерах, браузере и даже в системах умного дома. Google также пишет, что E2B в некоторых конфигурациях может работать при памяти менее 1,5 ГБ, что дополнительно усиливает её позиционирование как модели для компактных устройств.
Если упростить, то Gemma 4 пытается закрыть почти весь спектр локального запуска: смартфоны, ПК, браузер, Raspberry Pi, IoT и robotics. И именно поэтому этот релиз воспринимается не как просто “ещё одна open-модель”, а как серьёзная заявка Google на рынок реального локального и агентного AI.
Почему Gemma 4 может стать важным релизом
Во-первых, Gemma 4 важна потому, что Google явно делает ставку не просто на очередную открытую модель, а на целую экосистему локального AI. В официальном анонсе компания прямо пишет, что Gemma 4 создана для advanced reasoning и agentic workflows, а в dev-посте — что с её помощью разработчики могут строить агентов и автономные AI-сценарии прямо на устройстве, без обязательной привязки к облаку. Это важный сдвиг: рынок постепенно движется от “чат-бота в браузере” к моделям, которые умеют планировать действия, работать с инструментами и выполнять задачи локально.
Во-вторых, Gemma 4 усиливает позиции Google именно в open-сегменте. Компания выпустила модели под лицензией Apache 2.0, отдельно называет их своими самыми умными open-моделями на данный момент и подчёркивает высокий intelligence-per-parameter. При этом старшие версии уже сейчас показывают сильные позиции в Arena AI leaderboard: 31B Dense занимает 3-е место среди открытых моделей, а 26B MoE — 6-е. Для рынка это сигнал, что Google хочет конкурировать не только через закрытые Gemini-модели, но и через действительно сильную открытую линейку.
В-третьих, релиз важен из-за самой идеи “полезного AI на обычном железе”. Google подаёт Gemma 4 как семейство моделей, которое можно запускать на собственном оборудовании, а не только в дата-центрах. В dev-посте прямо перечислены Android, iOS, desktop, edge-устройства, а также сценарии вроде offline code generation, audio-visual processing и автономных agentic workflows. На практике это означает, что AI всё сильнее движется в сторону приложений, которые работают быстрее, приватнее и устойчивее, потому что часть логики остаётся прямо у пользователя.
Ещё один важный момент — масштаб потенциальной аудитории. Google отдельно подчёркивает поддержку 140+ языков, а также подаёт Gemma 4 как модель для глобальных продуктов, а не только для англоязычного рынка. Плюс у самой линейки уже есть сильная база: с момента запуска первого поколения моделей разработчики скачали Gemma более 400 миллионов раз и создали свыше 100 тысяч вариаций в экосистеме Gemmaverse. То есть Gemma 4 выходит не в пустоту, а в уже живое сообщество, где есть высокая вероятность быстрого внедрения и большого числа экспериментов.
Если упростить, то значимость Gemma 4 не только в самих характеристиках. Важнее другое: Google пытается закрепить за собой роль компании, которая двигает открытый, мультимодальный и локальный AI одновременно. И если рынок on-device и edge-агентов действительно начнёт ускоряться в 2026 году, то Gemma 4 вполне может оказаться одним из самых заметных open-релизов этой весны. Этот вывод уже аналитический, но он прямо вытекает из того, как Google позиционирует семейство Gemma 4 в двух сегодняшних анонсах.
Нюансы и ограничения
При всей силе анонса важно понимать, что Gemma 4 не отменяет компромиссы железа. Google действительно развела линейку по устройствам: E2B и E4B созданы для mobile, IoT и edge-сценариев, а 26B и 31B — уже для более серьёзной локальной работы на ПК, workstation-конфигурациях и ускорителях. Более того, сама компания пишет, что нежатые bfloat16-веса старших моделей помещаются на одну NVIDIA H100 80GB, а для локальных сетапов подразумеваются уже квантованные версии на consumer GPU. То есть формула “запускается локально” верна, но для старших моделей это всё равно не история про слабое железо.
Второй нюанс связан с тем, что on-device AI здесь тоже не стоит понимать слишком буквально. Да, Google показывает очень широкий список платформ — Android, iOS, Windows, Linux, macOS, WebGPU, Raspberry Pi 5 и edge-устройства. Но часть этого опыта всё ещё проходит через девелоперские инструменты вроде AI Edge Gallery, LiteRT-LM и AICore Developer Preview. На Android, например, Google прямо предупреждает, что во время preview полноценная оптимизированная работа доступна прежде всего на AICore-enabled устройствах, а на остальных девайсах модели сначала могут запускаться через CPU-реализацию, которая “не отражает финальную production-производительность”. Проще говоря, сам вектор очень мощный, но путь до действительно массового и идеально гладкого пользовательского опыта ещё не полностью пройден.
Третий момент — это разделение возможностей внутри семейства. Все модели Gemma 4 работают с текстом и изображениями, поддерживают reasoning, function calling, structured output и длинный контекст, но аудио нативно есть только у E2B и E4B. У старших моделей основная ставка сделана на reasoning, кодинг, агенты и работу с длинным контекстом, а не на универсальную мультимодальность “во всём и сразу”. Поэтому в статье лучше не создавать ощущение, будто любая версия Gemma 4 одинаково хорошо подходит под любой сценарий: линейка как раз специально разведена по задачам.
Есть и ещё один практический нюанс: часть самых сильных сценариев Gemma 4 раскрывается именно в руках разработчиков. Google продвигает модель как базу для agentic workflows, tool calling, локального кодинга, Python-пайплайнов, CLI и кастомных on-device приложений. Это большой плюс для dev-аудитории, но для обычного пользователя означает, что “магия” Gemma 4 чаще всего появится не сама по себе, а внутри чужих приложений, оболочек и продуктов, которые ещё только предстоит построить. Это уже аналитический вывод, но он прямо вытекает из того, как Google подаёт Gemma 4 через AI Edge Gallery, LiteRT-LM, AICore и набор девелоперских инструментов.
И наконец, есть ограничение чисто рыночного уровня: сильный анонс — это ещё не автоматическая победа. Google показывает очень убедительное позиционирование, хорошие места в open-лидербордах и сильную ставку на локальный запуск, но реальный вес Gemma 4 будет зависеть от того, насколько быстро разработчики начнут внедрять её в рабочие продукты и насколько хорошо экосистема переварит все четыре версии модели. Иначе говоря, потенциал у релиза очень большой, но его реальная сила станет окончательно понятна уже после первых месяцев использования в реальных приложениях. Этот вывод — аналитический, но он логично следует из того, что Google делает ставку не на один чат-бот, а на целую платформу под разные устройства и сценарии.
Вывод
Gemma 4 выглядит не как рядовое обновление открытой линейки Google, а как попытка занять сразу несколько важных ниш: локальный AI, агентные сценарии и мультимодальные приложения для самых разных устройств. Google выпустила семейство открытых моделей под Apache 2.0, отдельно делает ставку на advanced reasoning, agentic workflows, запуск на собственном железе и поддержку 140+ языков — и именно эта комбинация делает релиз по-настоящему заметным.
Самое интересное в Gemma 4 даже не только в самих характеристиках, а в направлении, которое она задаёт. Если раньше open-модели часто воспринимались либо как “облегчённая альтернатива” закрытым системам, либо как инструмент в основном для серверов и энтузиастов, то теперь Google явно продвигает другой сценарий: полезный ИИ, который работает ближе к пользователю — на смартфоне, ПК, в браузере, на edge-устройстве или в системе умного дома. И если этот вектор действительно начнёт быстро расти в 2026 году, Gemma 4 вполне может стать одним из самых важных open-релизов этой весны. Это уже аналитический вывод, но он прямо следует из того, как Google позиционирует семейство Gemma 4 в сегодняшних материалах.
При этом главная интрига теперь не в самом анонсе, а в том, как быстро рынок начнёт это внедрять. У Gemma 4 сильное позиционирование, широкая линейка и очень понятная ставка на on-device AI, но окончательно вес релиза станет ясен уже тогда, когда разработчики начнут массово встраивать эти модели в реальные продукты. Пока же можно сказать одно: Google выпустила не просто ещё одну открытую нейросеть, а платформу, которая вполне может повлиять на то, каким будет локальный ИИ в ближайшие месяцы.
