Google DeepMind 在 4 月 2 日发布了 Gemma 4。这不是"又一个开源模型"——31B 版本目前在 Lmsys Chatbot Arena 文本榜排全球第三，比它强的开源模型只有 DeepSeek V3 和 Qwen 3.5-Plus。Apache 2.0 授权，可以直接商用。
这篇文章是给想用起来的开发者写的，不是给想了解 AI 趋势的人写的。
先把尺寸选对
Gemma 4 有四个版本，选错了要么浪费资源要么效果不够用：
| 模型 | 参数量 | 推荐场景 |
|---|---|---|
| Gemma 4 E2B | 2B（高效版） | 手机端/边缘设备，低延迟场景 |
| Gemma 4 E4B | 4B（高效版） | 消费级 GPU 本地跑，日常辅助 |
| Gemma 4 26B MoE | 26B 混合专家 | 编程、分析，推理成本接近 4B |
| Gemma 4 31B Dense | 31B 稠密 | 最强能力，需要高端 GPU |
大多数开发者应该先试 26B MoE。MoE 架构的特点是总参数大但激活参数少——推理时只有一部分参数被激活，速度和显存消耗接近 10B 级模型，但实际效果接近 30B。它在 Arena 榜排第六，编程和数学表现扎实。
31B Dense 是旗舰，但需要至少 24GB 显存（A100/RTX 4090 级别）。如果你没有这个硬件，别死磕，先用 26B MoE。
三种接入方式
方式一：Google AI Studio（零成本上手）
Google 在 AI Studio 提供 Gemma 4 免费访问，不需要部署，不需要 GPU：
# 安装 Google GenAI SDK
pip install google-generativeai
import google.generativeai as genai
genai.configure(api_key="YOUR_API_KEY") # 从 aistudio.google.com 获取
model = genai.GenerativeModel("gemma-4-31b-it") # 或 gemma-4-26b-moe-it
response = model.generate_content(
"用 Python 写一个异步任务队列，支持优先级和重试机制"
)
print(response.text)
适合：快速原型验证、个人项目、不需要私有化的场景。
方式二：Ollama 本地部署
Ollama 是最简单的本地 LLM 运行方式，Gemma 4 发布后几小时内就有了官方支持：
# 安装 Ollama（macOS/Linux）
curl -fsSL https://ollama.ai/install.sh | sh
# 拉取模型（26B MoE 约 16GB）
ollama pull gemma4:26b-moe
# 运行
ollama run gemma4:26b-moe
通过 API 调用（兼容 OpenAI 格式）：
from openai import OpenAI
client = OpenAI(
base_url="http://localhost:11434/v1",
api_key="ollama", # 任意值
)
response = client.chat.completions.create(
model="gemma4:26b-moe",
messages=[
{"role": "user", "content": "帮我 review 这段代码，找出潜在的并发问题"}
]
)
print(response.choices[0].message.content)
适合：需要数据隐私、离线场景、二次开发。
方式三：Hugging Face Transformers（Fine-tuning 场景）
如果你需要微调，直接用 HF Transformers：
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
model_id = "google/gemma-4-27b-it" # HF 上的模型 ID
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
model_id,
torch_dtype=torch.bfloat16,
device_map="auto",
)
inputs = tokenizer("帮我写一个 React hook，用于管理复杂表单状态", return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
Fine-tuning 推荐用 QLoRA，在单张 A100 上可以微调 31B 模型：
pip install trl peft bitsandbytes
from trl import SFTTrainer
from peft import LoraConfig
from transformers import TrainingArguments
lora_config = LoraConfig(
r=16,
lora_alpha=32,
target_modules=["q_proj", "v_proj"],
lora_dropout=0.05,
bias="none",
task_type="CAUSAL_LM",
)
# 用你自己的数据集替换 dataset
trainer = SFTTrainer(
model=model,
train_dataset=dataset,
peft_config=lora_config,
args=TrainingArguments(
output_dir="./gemma4-finetuned",
num_train_epochs=3,
per_device_train_batch_size=2,
gradient_accumulation_steps=4,
warmup_steps=100,
learning_rate=2e-4,
bf16=True,
),
)
trainer.train()
Gemma 4 实际适合哪些任务
根据发布的基准数据，有几个场景 Gemma 4 明显够用：
编程：Codeforces ELO 从前代的 110 跳到 2150，LiveCodeBench v6 达到 80%。日常代码补全、debug、代码 review 完全没问题。31B 在复杂算法题上的表现已经超过大多数程序员。
数学推理：AIME 2026 达到 89.2%。如果你的产品需要处理数学公式、量化计算、数据分析，Gemma 4 是可靠的选择。
多语言：Gemma 4 对中文的支持比前代强了很多（Google 在训练数据上增加了多语言比重）。中英混合的技术文档场景表现不错。
不太适合的场景：实时语音对话（用 MAI-Voice-1 或 Whisper 更合适）、图像生成（这不是 Gemma 4 的方向）、需要 100 万 Token 超长上下文的场景（等 DeepSeek V4）。
跟竞争对手的真实对比
Gemma 4 31B 在 Arena 文本榜排第三，但这个榜单是综合人类偏好投票，不等于每个任务都第三。
具体来看：
- vs Llama 4：Gemma 4 Apache 2.0 许可更宽松，编程基准更强，但 Llama 4 有更大的社区生态
- vs Qwen 3.5：Qwen 在中文任务上有优势，Gemma 4 在推理和数学上更强
- vs DeepSeek V3：V3 目前仍然是开源最强，但 Gemma 4 的 Google 背书意味着更稳定的长期维护
实际选型建议：如果你在做 coding agent 或数学密集的应用，先用 Gemma 4 26B MoE 跑基准测试，再决定要不要花钱买 API 或部署 31B。
快速上手清单
- 今天就能试：去 Google AI Studio 免费体验，不需要信用卡
- 本地跑起来：安装 Ollama，
ollama pull gemma4:26b-moe，5 分钟搞定 - 评估编程能力：把你项目里最复杂的一段代码丢给它 review，看输出质量
- 考虑微调：如果你有领域数据，Gemma 4 + QLoRA 是现在性价比最高的私有模型方案之一
Apache 2.0 意味着你用 Gemma 4 做的商业产品不需要向 Google 付授权费，也不需要开源你的代码。这是真正可以放心押注的开源模型。
相关 JR Academy 资源
- Claude Code 工作流指南 - 把 AI 编程助手用起来
- Cursor IDE 实用技巧 - 编辑器级别的 AI 集成
