Googleは、2.3Bから31Bパラメータの密集型およびMixture-of-Expertsアーキテクチャを備えた、オープンウェイトでネイティブに多モーダルな言語モデルの新世代であるGemma 4を発表しました。

このスイートには、すべてのサイズ向けに改善されたビジョンおよびオーディオエンコーダーが含まれ、12Bモデルに対して生のオーディオと画像パッチを取り込む統一されたエンコーダーレスアーキテクチャを提案しています。また、応答前に推論トレースを生成する思考モードも統合され、推論速度、メモリ、計算効率、長期コンテキスト能力が向上しました。

Gemma 4は、STEM、多モーダル、長期コンテキストのベンチマークでパフォーマンスの飛躍的な向上を実現し、人間の評価タスクにおいてより大きなフロンティアオープンモデルと肩を並べています。