Google wraca do wyścigu open source AI z Gemma 4

Otwarte ambicje AI Google stały się dziś znacznie poważniejsze. Firma wypuściła Gemma 4, rodzinę czterech modeli o otwartych wagach zbudowanych na tych samych badaniach co Gemini 3, licencjonowanych na warunkach Apache 2.0 – znaczące odejście od bardziej restrykcyjnych warunków poprzednich wersji Gemma.

Deweloperzy pobrali poprzednie generacje Gemma ponad 400 milionów razy, tworząc ponad 100 000 wariantów społeczności. To wydanie jest jak dotąd najbardziej ambitne.

Przez ostatni rok ranking otwartej sztucznej inteligencji był w dużej mierze chińską sprawą. DeepSeek, Minimax, GLM i Qwen zdominowały czołowe miejsca, pozostawiając amerykańskie alternatywy walczące o znaczenie. Jak donosił Decrypt w zeszłym roku, chińskie otwarte modele wzrosły z zaledwie 1,2% globalnego użycia otwartych modeli pod koniec 2024 roku do około 30% do końca 2025 roku, a Qwen od Alibaba nawet wyprzedził Llama Meta jako najczęściej używany model hostowany lokalnie na całym świecie.

Llama Meta był domyślnym wyborem dla deweloperów, którzy chcieli wydajnego, lokalnie uruchamianego modelu. Ta reputacja uległa erozji – licencja Llama kontrolowana przez Meta wzbudziła pytania o jego prawdziwy status open-source, a jego wydajność spadła za chińską konkurencją. Rodzina OLMo Instytutu Allena próbowała wypełnić lukę, ale nie zyskała znaczącej popularności. OpenAI wypuścił swoje modele gpt-oss w sierpniu 2025 roku, co dało ekosystemowi tchnienie świeżego powietrza, ale nigdy nie były zaprojektowane jako konkurenci z pierwszej linii.

A wczoraj 30-osobowy amerykański startup o nazwie Arcee AI wypuścił Trinity, otwarty model z 400 miliardami parametrów, który przekonująco wykazał, że amerykańska scena nie jest całkowicie martwa. Gemma 4 kontynuuje ten rozmach, tym razem z pełnym wsparciem Google DeepMind, czyniąc go prawdopodobnie najlepszym amerykańskim modelem w scenerii otwartej sztucznej inteligencji.

Model jest "zbudowany na tych samych światowej klasy badaniach i technologii co Gemini 3" – powiedział Google w swoim ogłoszeniu. Gemma 4 jest dostępna w czterech rozmiarach: Effective 2B i 4B dla telefonów i urządzeń brzegowych, model 26B Mixture of Experts skupiony na szybkości oraz model 31B Dense zoptymalizowany pod kątem czystej jakości.

31B Dense zajmuje obecnie trzecie miejsce wśród wszystkich otwartych modeli w rankingu tekstowym Arena AI. 26B MoE zajmuje szóste miejsce. Google twierdzi, że oba przewyższają modele 20 razy większe – twierdzenie, które się potwierdza, przynajmniej w porównaniu z wynikami Arena AI, gdzie chińskie modele wciąż zajmują dwa pierwsze miejsca.

Przetestowaliśmy Gemma 4. Jest wydajny, z pewnymi zastrzeżeniami. Model stosuje rozumowanie nawet do zadań, które tego nie wymagają, co może sprawiać, że odpowiedzi wydają się nadmiernie skomplikowane dla prostych poleceń. Twórcze pisanie jest przyzwoite – zadowalające, ale nie inspirujące – i prawdopodobnie poprawia się wraz z bardziej szczegółowymi wskazówkami i inżynierią promptów.

Gdzie sprawdził się najlepiej to kod. Poproszony o wygenerowanie gry, wynik nie był szczególnie efektowny ani rozbudowany, ale działał bez błędów za pierwszym razem. Nieźle jak na model z 41 miliardami parametrów. Ta niezawodność zero-shot jest prawdopodobnie bardziej wartościowa niż ładniejszy wynik wymagający debugowania.

Możesz wypróbować (podstawową, ale funkcjonalną) grę tutaj.

Cztery warianty obejmują pełne spektrum sprzętowe. Modele E2B i E4B są zbudowane dla telefonów Android, Raspberry Pi i urządzeń brzegowych, działających całkowicie offline z niemal zerowym opóźnieniem, natywnym wejściem audio i oknem kontekstu 128K. Modele 26B i 31B są przeznaczone dla stacji roboczych i wdrożeń w chmurze, rozszerzając kontekst do 256K i dodając natywne wywoływanie funkcji oraz ustrukturyzowane wyjście JSON do budowania autonomicznych agentów. Wszystkie cztery modele przetwarzają obrazy i wideo natywnie. Wagi pełnej precyzji większych modeli mieszczą się na pojedynczym GPU NVIDIA H100 80GB; skwantyzowane wersje działają na sprzęcie konsumenckim.

Licencja Apache 2.0 to drugi nagłówek. Poprzednie wydania Gemma Google używały niestandardowej licencji, która tworzyła prawną niejednoznaczność dla produktów komercyjnych. Apache 2.0 całkowicie usuwa to tarcie – deweloperzy mogą modyfikować, redystrybuować i komercjalizować bez obaw o zmianę warunków przez Google później. Współzałożyciel Hugging Face Clement Delangue pochwalił to, mówiąc, że "Lokalna AI przeżywa swój moment" i jest przyszłością branży AI. CEO Google DeepMind Demis Hassabis poszedł dalej, nazywając Gemma 4 "najlepszymi otwartymi modelami na świecie w ich odpowiednich rozmiarach".

To mocne twierdzenie. Systemy zastrzeżone od Anthropic, OpenAI i własnego Gemini Google wciąż prowadzą w najtrudniejszych testach porównawczych. Ale dla modeli o otwartych wagach, które możesz uruchomić lokalnie, swobodnie modyfikować i wdrażać na własnej infrastrukturze? Konkurencja właśnie znacznie się zmniejszyła. Możesz teraz wypróbować Gemma 4 w Google AI Studio (31B i 26B) lub Google AI Edge Gallery (E2B i E4B). Wagi modeli są również dostępne na Hugging Face, Kaggle i Ollama.