Gemma 4 с открытыми весами: результаты локальной модели в науке, математике и программировании

Gemma 4 — семейство мультимодальных моделей с открытыми весами от Google DeepMind. Линейка рассчитана на локальный запуск, рассуждения, программирование, обработку изображений и агентные сценарии с вызовом внешних инструментов. Для разработчика главный вопрос звучит не так: «насколько высоки цифры в таблице?», а так: «какая версия действительно подходит моему оборудованию и рабочему процессу?»

Google представила Gemma 4 2 апреля 2026 года. В состав семейства входят модели E2B, E4B, 12B Unified, 26B A4B и 31B. Обозначение A4B относится к смеси экспертов: модель содержит 25,2 млрд параметров, но во время инференса активирует около 3,8 млрд. У плотной Gemma 4 31B активны все 30,7 млрд параметров.

Что представляет собой Gemma 4

Gemma 4 объединяет текстовые и визуальные возможности, а часть моделей также принимает аудио. Все версии поддерживают изображения, видео обрабатывается как последовательность кадров, а аудио доступно для E2B, E4B и 12B Unified. Модель генерирует текст, поэтому голосовой вход не означает автоматическую генерацию речи на выходе.

Архитектура использует гибридное внимание. Локальные окна скользящего внимания чередуются с глобальными слоями, причём последний слой остаётся глобальным. Такая схема должна снижать нагрузку при работе с длинным контекстом, сохраняя возможность учитывать удалённые фрагменты документа. Заявленная длина контекста составляет 128 тысяч токенов для E2B и E4B, а для 12B, 26B A4B и 31B достигает 256 тысяч токенов.

У Gemma 4 есть настраиваемый режим рассуждений. Разработчик включает или отключает thinking через шаблон диалога и параметры используемой библиотеки. Историю многошагового диалога нужно формировать аккуратно: производитель рекомендует сохранять в предыдущих ответах финальный текст, а внутреннее рассуждение не переносить в новые ходы, кроме сценариев с вызовом инструментов.

Какие варианты подходят для локального запуска

Для ноутбука или мобильного устройства логичнее начинать с E2B или E4B. Эти модели используют Per-Layer Embeddings, то есть отдельные небольшие таблицы эмбеддингов для слоёв декодера. Google описывает такой подход как способ уменьшить эффективную нагрузку при локальном запуске.

Gemma 4 26B A4B выглядит интереснее для пользователя, которому нужна более сильная модель без полной вычислительной нагрузки плотной 31B. Однако активные параметры не равны общему объёму памяти: на требования к системе также влияют веса всех экспертов, кэш контекста, мультимодальные компоненты и особенности движка инференса.

Что показывают заявленные тесты

По данным Google, Gemma 4 31B получила 84,3 процента на GPQA Diamond, тесте сложных научных вопросов. В математическом тесте AIME 2026 без инструментов результат составил 89,2 процента. На LiveCodeBench v6, который используют для оценки программирования, модель набрала 80 процентов.

Эти значения нельзя читать как универсальную вероятность правильного ответа. Каждый показатель зависит от формулировок заданий, версии набора, режима рассуждений, разрешённых инструментов и способа подсчёта. Например, Google отдельно указывает результаты AIME без инструментов, а для Humanity's Last Exam приводит различие между режимом без поиска и режимом с поиском: для Gemma 4 31B это 19,5 и 26,5 процента соответственно.

В визуальных тестах Gemma 4 31B получила 76,9 процента на MMMU Pro и 85,6 процента на MATH-Vision. В OmniDocBench 1.5 указано среднее расстояние редактирования 0,131, где меньшее значение считается лучшим. На длинном контексте MRCR v2 с восемью фрагментами, спрятанными в контексте длиной 128K, результат составил 66,4 процента.

Мультимодальные и агентные возможности

Gemma 4 умеет распознавать объекты, разбирать документы и PDF-файлы, читать графики, извлекать текст с изображений, анализировать рукописные записи и понимать интерфейсы. Для изображения доступен переменный бюджет визуальных токенов: Google указывает значения 70, 140, 280, 560 и 1120. Низкий бюджет сокращает вычисления, а высокий лучше подходит для OCR и мелкого текста.

Аудио поддерживают E2B, E4B и 12B Unified. Максимальная длина аудио в описании модели составляет 30 секунд. Видео обрабатывается через кадры, для него заявлен предел 60 секунд при частоте один кадр в секунду. Эти ограничения относятся к описанному режиму работы и не означают, что любой интерфейс автоматически поддержит такие параметры.

Нативный function calling позволяет подключать поиск, базы данных, калькуляторы и другие инструменты. Но наличие структурированного вызова функции не превращает модель в полностью автономного агента. Модель должна правильно выбрать инструмент, сформировать аргументы, дождаться результата и продолжить цепочку действий.

В обсуждениях на странице модели разработчики описывали случаи, когда Gemma 4 после первого поиска объявляла о необходимости выполнить ещё один запрос, но завершала ответ без второго вызова. Представитель Google сообщил, что команда воспроизводила похожий сценарий и связывала часть случаев с ограниченным лимитом генерации, когда вызов инструмента не помещался в конец рассуждения. В качестве практической настройки представитель рекомендовал проверять лимит max_tokens, начиная с 1024 или 2048 для более длинных задач. Это позиция команды Google по обсуждаемому сценарию, а не универсальная гарантия исправления агентного поведения.

Другие участники обсуждения сообщали о проблемах с первым автономным вызовом инструмента даже при доступном поиске и достаточном лимите генерации. Такие наблюдения остаются пользовательскими тестами с небольшими выборками. Они показывают, что корректный формат function call и надёжный выбор момента для вызова инструмента являются разными задачами.

Аппаратные требования и ограничения локального использования

Google не задаёт для Gemma 4 31B одну универсальную конфигурацию компьютера. Требования зависят от формата весов, точности, длины контекста, размера KV-кэша, числа параллельных запросов и движка инференса. Объём видеопамяти нельзя вычислить только по числу параметров, особенно для мультимодальной модели.

Для локального запуска доступны обычные веса и варианты квантования, включая GGUF Q4_0, compressed tensors и мобильные форматы. Quantization-Aware Training, или обучение с учётом последующего квантования, должно сохранять качество лучше, чем простое посттренировочное уменьшение точности, но результат зависит от конкретного чекпойнта и среды запуска. Один и тот же файл может вести себя по-разному в Transformers, llama.cpp, vLLM и мобильном рантайме.

Начинать настройку стоит с короткого контекста и проверенного шаблона чата, затем отдельно измерять скорость, задержку первого токена, потребление памяти и устойчивость вызова инструментов. Заявленная длина 256K не означает, что рабочая нагрузка будет одинаково быстрой на всей длине. Большой контекст увеличивает объём KV-кэша и часто снижает скорость ответа.

Почему результаты Google нужно проверять самостоятельно

Внутренние таблицы производителя полезны для первичного сравнения, но не заменяют тестирование на собственных данных. Бенчмарк проверяет ограниченный класс задач, а реальный проект добавляет русский язык, длинные документы, нестандартные схемы инструментов, ошибки внешних сервисов и требования к формату ответа.

• Проверьте научные вопросы из своей предметной области, а не только GPQA Diamond.
• Сравните математические ответы с внешним вычислителем или формальной проверкой.
• Запускайте программный код в изолированной среде и оценивайте тесты, а не только текст решения.
• Для агентного сценария измеряйте первый вызов инструмента, продолжение после ответа инструмента и завершение всей цепочки.
• Отдельно протестируйте квантованную и полноточную версии на одинаковых запросах.
• Проверьте, как модель обрабатывает факты после даты отсечения обучающих данных, которая для описанного набора указана как январь 2025 года.

Кому нужна сильная локальная модель для рассуждений, математики, кода и анализа изображений, стоит рассматривать Gemma 4 31B или 26B A4B. Для ограниченного оборудования разумнее начать с E4B, E2B или 12B Unified. Тем, кто строит агента с поиском и несколькими инструментами, нужно оценивать не только баллы на тестах, но и надёжность полного цикла действий.

FAQ о Gemma 4

Gemma 4 31B действительно работает локально?

Да, открытые веса предназначены для локального и серверного запуска. Практическая конфигурация зависит от точности, квантования, контекста и используемого движка, поэтому одной рекомендации по видеопамяти для всех случаев нет.

Какая версия лучше для программирования?

По заявленным результатам лидирует Gemma 4 31B с 80 процентами на LiveCodeBench v6. Gemma 4 26B A4B показывает 77,1 процента, а 12B Unified — 72 процента. Для конкретного проекта результат нужно проверять на собственном репозитории и наборе тестов.

Можно ли использовать Gemma 4 как автономного агента?

Модель поддерживает нативные вызовы функций, но автономность зависит от шаблона диалога, схем инструментов, лимита генерации и логики оркестратора. Без проверки результатов и ограничений доступа безопаснее считать её компонентом агентной системы, а не самостоятельным цифровым сотрудником.

Есть ли у Gemma 4 знания о событиях после января 2025 года?

Обучающие данные описанного релиза имеют отсечение января 2025 года. Для актуальных фактов нужно подключать поиск или другую внешнюю базу, а ответы модели проверять по полученным данным.