A Google apresenta o Gemma 4, uma nova geração de modelos de linguagem de peso aberto e nativamente multimodais, apresentando arquiteturas densas e Mixture-of-Experts variando de 2.3B a 31B parâmetros.
O pacote inclui codificadores de visão e áudio aprimorados para todos os tamanhos e propõe uma arquitetura unificada sem codificador para o modelo de 12B que ingere patches de áudio e imagem brutos. Também integra um modo de raciocínio para gerar rastros de raciocínio antes de responder, enquanto melhora a velocidade de inferência, memória, eficiência computacional e capacidades de contexto longo.
O Gemma 4 estabelece um salto no desempenho em benchmarks STEM, multimodais e de contexto longo, rivalizando com modelos abertos de fronteira maiores em tarefas avaliadas por humanos.