Google 開源神機 Gemma 4：本機可跑的多模態 AI，免費、免授權費

這是鴨編的第一線觀察，不是純教學。Gemma 4 出來的時候，我第一時間就下載了跑跑看。

---

為什麼 Gemma 4 值得注意

AI 模型領域有一條清楚的分界線：

• 閉源模型：GPT-4o、Claude 3.7、Gemini 2.0 Ultra——能力強，但要付費、要上網、資料送到別人伺服器
• 開源模型：Llama、Mistral、Gemma——拿到權重就能自己跑，但以前能力明顯差一截

Gemma 4 的出現，讓這條線變模糊了。

Google 在 2025 年 4 月，把一組達到商用水準的多模態模型，塞進了 Apache 2.0 開源授權裡面。

說大白話：免費、可商用、本機可跑、支援圖片和音訊。

---

Gemma 4 到底是什麼

Gemma 4 是 Google DeepMind 推出的開放權重（open-weight）模型系列。

「開放權重」跟「完全開源」有點不一樣——訓練資料和完整訓練程式碼沒有公開，但模型的權重完全公開，你可以下載、在本機跑、商業使用、拿來做 fine-tuning。

底層架構與 Gemini 2.0 同源，但針對在消費者硬體上高效執行而做了最佳化。

---

四個版本，各有它的戰場

Gemma 4 有四個版本，用不同格局解決不同問題：

版本	有效參數	支援模態	最適部署環境
E2B	23 億	文字、圖片、音訊	高階手機、邊緣裝置
E4B	45 億	文字、圖片、音訊	消費型 GPU（12GB VRAM 以下）
26B A4B（MoE）	活躍 38 億 / 總計 252 億	文字、圖片	筆電、工作站
31B	307 億	文字、圖片	消費型 GPU（24GB VRAM）

「E」代表「有效參數」（Effective）——這些小模型用了一種叫 PLE（Per-Layer Embedding）的技術，讓每個詞元在每一層都有專屬的小型嵌入，大幅提升效率。總參數看起來大，但推理時的記憶體需求比總數小很多。

---

最讓我印象深刻的幾個特點

1. 原生支援音訊（E2B、E4B）

以前做「語音 → 文字 → AI 回答」這個流程，需要兩個模型：一個 ASR（自動語音辨識），一個 LLM。

Gemma 4 的 E2B 和 E4B 把這兩步合一了——音訊直接進去，文字答案出來。

支援多語言轉錄和翻譯，音訊上限 30 秒。

2. 內建思考模式（Thinking Mode）

所有版本都有「思考」能力——用 <|think|> 系統提示觸發，模型在回答之前會先產出內部推理過程。

在數學、程式、邏輯推理任務上，開啟思考模式進步非常明顯。

AIME 2026 數學競賽題：31B 版本拿到 42.5%，相比沒開思考模式的版本差距很大。

3. 超長 Context Window

• E2B / E4B：128K tokens（約 90,000 字）
• 26B A4B / 31B：256K tokens（約 180,000 字）

256K tokens 是什麼概念？大概可以塞進去：

• 一本 300 頁的書
• 一個中型軟體專案的完整程式碼
• 幾個月的會議紀錄

4. Apache 2.0 授權——這才是關鍵

很多「開源」模型其實授權有很多限制。Apache 2.0 是最寬鬆的授權之一：

• ✅ 可以商業使用，不需要付授權費
• ✅ 可以拿來 fine-tuning，結果不必公開
• ✅ 不強制你開源自己的程式碼
• ✅ 包含專利授權保護（對企業採用很重要）

這表示你可以用 Gemma 4 做出商業產品，不需要事先向 Google 申請，也不需要付任何費用。

---

跑起來需要什麼硬體？

說得直白一點：

你的電腦	可以跑哪個
手機（高階 Android）	E2B（Google 有做最佳化）
MacBook（Apple Silicon）	E4B 沒問題，26B A4B 看 RAM 大小
有 RTX 3060 （12GB）的桌機	E4B 順跑
有 RTX 4090 （24GB）的桌機	31B 可以跑
只有 CPU 的筆電	E2B 理論可行，但很慢

用 Ollama 最簡單：

# 下載 Gemma 4 E4B（小版本）
ollama pull gemma4:4b

# 跑起來
ollama run gemma4:4b

如果你已經有 Ollama，一行指令就搞定。

---

跑分怎麼樣？老實說

強項

測試	31B 得分	說明
MMLU Pro（廣泛知識）	69.4%	跟同等級開源模型持平或更好
AIME 2026（數學競賽）	42.5%	開啟思考模式才有的成績
LiveCodeBench v6（程式）	52.0%	程式能力不錯
MMMU Pro（視覺理解）	52.6%	多模態表現強

坦白說的弱點

Gemma 4 不在絕對前沿。GPT-4o、Claude 3.7、Gemini 2.0 Ultra 在最複雜的推理任務上還是勝過它。如果你需要頂尖的 agentic 能力，閉源模型還是有優勢。

但對大多數實際任務，差距比你預期的小。

---

什麼情況適合用 Gemma 4？

1. 私密資料處理

法律合約、醫療記錄、財務文件——這些資料不能送到外部 API。Gemma 4 在本機跑，資料完全不離開你的機器。

2. 本地 RAG 系統

把私有知識庫搭配本地 Gemma 4，完全離線問答。

3. 商用 fine-tuning

Apache 2.0 + 自訂資料微調 = 你專屬的垂直領域模型，不需要授權費。

4. 語音處理管線

E2B/E4B 直接接收音訊，省掉一個 ASR 模型，流程更簡洗。

5. 搭配 OpenClaw 當本地 Agent 的大腦

這是我最感興趣的用法。OpenClaw + 本地 Gemma 4 + MCP 工具，構成一個完全不依賴雲端的 AI Agent。

---

跟 Llama 4 比怎麼樣？

兩者都在 2025 年初發布，都是強力的開源選項：

比較項目	Gemma 4	Llama 4
架構	密集（Dense）+ MoE	混合 MoE
音訊支援	✅（E2B/E4B）	❌
授權	Apache 2.0	自訂授權（有商業限制）
小尺寸表現	E4B 非常優秀	同等強
最適用途	本地部署、多模態	大規模服務

Llama 4 的授權其實比 Apache 2.0 限制多一些，企業用要注意。Gemma 4 在這點上更友善。

---

哪裡下載？

• Hugging Face：huggingface.co/google（需接受使用條款）
• Google AI Studio：直接在瀏覽器裡用，不用下載
• Ollama：ollama pull gemma4:4b
• Vertex AI：Google 雲端，適合企業部署

---

鴨編的總結

Gemma 4 讓「本地跑得動的模型」這個門檻，又往前推了一大步。

不是說它比 GPT-4o 或 Claude 更強——在頂尖任務上還差一截。

但它做到了一件很重要的事：讓能力勉強夠用的模型，變成授權完全自由、本機可跑、多模態的開放工具。

對想做私有資料應用、想省 API 費、或是想把 AI Agent 放進本地環境的人來說，Gemma 4 現在是排名很前面的選擇。

---

延伸閱讀

主題	文章
在本機跑開源模型	Ollama + OpenClaw（macOS）
本地 Agent 架構	AI 工具全景地圖
RAG 是什麼	RAG 解釋
哪個模型適合我	LLM 選擇指南