Google bringt mit Gemma 4 eine neue Familie offener KI-Modelle, die von Smartphones bis zu Entwickler-Workstations reicht. Entscheidend ist dabei weniger die reine Leistung als die neue, vollständig offene Lizenz.
Apache-2.0-Lizenz macht Gemma 4 wirklich offen
Gemma 4 basiert auf der gleichen Forschung wie Googles proprietäres Modell Gemini 3, wird aber als offene Modellfamilie veröffentlicht. Anders als frühere Gemma-Generationen verzichtet Google auf eigene Nutzungsbedingungen und setzt nun auf die Standardlizenz Apache 2.0. Diese Lizenz erlaubt Euch die Nutzung für private, kommerzielle und unternehmensweite Zwecke ohne Gebühren, inklusive Modifikation, Weitergabe und Erstellung von Derivaten, solange Ihr Lizenz und Urheber:innenhinweise beilegt.
Für Unternehmen entfällt damit die bisherige juristische Unsicherheit durch eigene Klauseln, Nutzungsbeschränkungen und nachträgliche Lizenzänderungen. Gemma 4 steht damit auf einer Stufe mit anderen offenen Modellen, die ebenfalls Apache 2.0 nutzen. Gleichzeitig betont Google, dass die Architektur direkt aus der Gemini-3-Forschung stammt, während andere Anbieter sich zuletzt eher von vollständig offenen Veröffentlichungen zurückziehen.
Vier Modelle von Edge-Geräten bis zur Workstation
Die Gemma‑4‑Familie umfasst vier Varianten, gegliedert in zwei Einsatzklassen. Auf der Edge-Seite stehen die Modelle Effective 2B (E2B) und Effective 4B (E4B), optimiert für Smartphones, Raspberry Pi, Jetson Nano, Laptops und andere eingebettete Geräte. Sie laufen vollständig lokal, unterstützen Text-, Bild- und Audioeingaben und bieten Kontextfenster von 128.000 Token. Der E2B ist dabei laut Android-Entwickler:innen dreimal schneller als der E4B, die Edge-Modelle insgesamt bis zu viermal schneller als frühere Gemma-Versionen und verbrauchen dabei bis zu 60 Prozent weniger Akku.
Für Workstations und stärkere GPUs hat Google zwei größere Modelle aufgelegt: ein 26‑Milliarden‑Mixture‑of‑Experts‑Modell (26B MoE) und ein 31‑Milliarden‑dichtes Modell (31B Dense). Beide verarbeiten Text und Bilder mit Kontextfenstern von 256.000 Token und sind für Offline-Einsatz auf Entwickler:innen-Hardware und Consumer-GPUs gedacht. Das 31B‑Modell belegt mit unquantisierten Gewichten eine einzelne Nvidia‑H100‑GPU mit 80 GB Speicher, quantisierte Varianten laufen auf handelsüblichen Grafikkarten.
Auf dem Arena‑AI‑Text-Benchmark liegt das 31B‑Modell derzeit auf Platz drei aller offenen Modelle, das 26B‑MoE auf Platz sechs. Google gibt an, dass beide Modelle Systeme schlagen, die bis zu 20‑mal größer sind. Die E2B- und E4B‑Modelle bilden zudem die Basis für Gemini Nano 4, Googles nächste On‑Device‑Generation für Android.
Multimodale Funktionen und optimierte RTX-Unterstützung
Alle vier Gemma‑4‑Modelle sind von Beginn an multimodal ausgelegt und verarbeiten nativ Bilder und Videos, die Edge-Varianten zusätzlich Audio für Spracherkennung und Übersetzung. Sie wurden auf Daten in mehr als 140 Sprachen trainiert und unterstützen mehr als 35 Sprachen direkt. Google hebt Verbesserungen bei mehrstufigem Schlussfolgern, native Funktionsaufrufe und strukturierten JSON‑Output für Agenten-Workflows sowie Offline-Codegenerierung hervor.
Zusammen mit Nvidia hat Google Gemma 4 für Nvidia‑GPUs optimiert, von Rechenzentren bis hin zu RTX‑PCs, Workstations, der persönlichen KI‑Workstation DGX Spark und Jetson‑Orin‑Nano‑Modulen. Tensor Cores und die CUDA‑Softwarebasis sollen dabei für hohe Durchsatzraten und geringe Latenz sorgen, ohne dass umfangreiche Anpassungen nötig sind. Laut Nvidia lassen sich die Modelle unter anderem über Ollama und llama.cpp lokal betreiben, Unsloth stellt optimierte und quantisierte Varianten für Feintuning und Deployment bereit.
Gemma hat seit dem ersten Release mehr als 400 Millionen Downloads und über 100.000 Community‑Varianten erreicht. Gemma 4 steht ab sofort auf Hugging Face, Kaggle und Ollama bereit, die großen Modelle zusätzlich über Google AI Studio, die Edge-Varianten über die AI Edge Gallery. Durch die Apache‑2.0‑Lizenz können Unternehmen und Entwickler:innen die Modelle nun ohne zusätzliche Einschränkungen in eigene Produkte, Dienste und Geräte integrieren.
Via: thenextweb.com · venturebeat.com · wccftech.com · www.zdnet.com · www.engadget.com
Bild Google
