Google ने Gemma 4 का परिचय दिया, जो खुले-वजन वाले, नैटिवली मल्टीमोडल भाषा मॉडल्स की एक नई पीढ़ी है जिसमें 2.3B से 31B पैरामीटर तक घन और मिक्स्चर-ऑफ-एक्सपर्ट्स आर्किटेक्चर शामिल हैं।
इस सूट में सभी साइज़ के लिए बेहतर विजन और ऑडियो एनकोडर्स शामिल हैं और 12B मॉडल के लिए एक एकीकृत, एनकोडर-मुक्त आर्किटेक्चर का प्रस्ताव है जो कच्चे ऑडियो और इमेज पैच को इनगेस्ट करता है। इसमें जवाब देने से पहले तर्क ट्रेस जनरेट करने के लिए थिंकिंग मोड भी एकीकृत किया गया है, जबकि इनफरेंस स्पीड, मेमोरी, कंप्यूट दक्षता और लॉन्ग-कॉन्टेक्स्ट क्षमताओं में सुधार किया गया है।
Gemma 4 ने STEM, मल्टीमोडल और लॉन्ग-कॉन्टेक्स्ट बेंचमार्क्स में प्रदर्शन में एक छलांग स्थापित की है, जो मानव-रेटेड कार्यों में बड़े फ्रंटियर ओपन मॉडल्स के साथ प्रतिस्पर्धा कर रहा है।