---
title: "Google Gemma 4 完整介紹：免費開源、手機也能跑的最強 AI 模型家族"
slug: google-gemma-4-open-source-ai-model
url: https://rar.design/posts/google-gemma-4-open-source-ai-model
published_at: 2026-04-06
modified_at: 2026-04-06
author: "設計師 Riven"
category: "AI 設計"
access: public_access
---

# Google Gemma 4 完整介紹：免費開源、手機也能跑的最強 AI 模型家族

> 基於 Gemini 3 技術、Apache 2.0 授權、四種尺寸從手機到工作站全覆蓋，設計師也該認識的新世代開源 AI

By **設計師 Riven** - 資深數位產品設計師｜知名線上課程講師 | 2026-04-06

📑 文章目錄1. Gemma 4 是什麼？跟 Gemini 有什麼關係2. 四種模型規格一次看3. 核心功能亮點4. Benchmark 表現有多強5. 跟 Qwen 3.5、Llama 4 怎麼選6. 怎麼開始使用7. 設計師可以怎麼用 Gemma 48. 注意事項與限制9. 重點整理Google DeepMind 在 2026 年 4 月 2 日正式發布了 Gemma 4——目前為止最強的開源 AI 模型家族。如果你一直在觀望「什麼時候才有一個真正免費、性能又夠強的 AI 模型」，這次可以認真看一下了。Gemma 4 不只是一個模型，它是一整個家族：從能跑在手機上的 2B 迷你版，到能處理 256K 超長文本的 31B 大模型，全都採用 Apache 2.0 開源授權，代表你可以拿來做任何商業用途，完全不受限。Gemma 4 是什麼？跟 Gemini 有什麼關係▲ Google DeepMind 發布的 Gemma 4 官方視覺（圖片來源：Google 官方部落格）先釐清一個常見的混淆：Gemini 是 Google 的閉源商業模型（像 ChatGPT 那樣由 Google 自己營運），而 Gemma 是 Google 開源釋出的模型，讓開發者可以自己下載、自己跑、自己改。Gemma 4 的技術底層來自 Gemini 3 的研究成果，可以理解成 Google 把旗艦級的 AI 技術「拆包」成適合在各種裝置上運行的開源版本。自第一代 Gemma 發布以來，全球開發者已經下載超過 4 億次，社群也衍生出超過 10 萬個變體版本，生態系非常活躍。💡 關鍵差異Gemini = Google 閉源 API 服務（像 ChatGPT）Gemma = Google 開源模型（你可以自己跑，免費商用）Gemma 4 這次從限制性的 Google 自家授權改為 Apache 2.0，完全自由。四種模型規格一次看Gemma 4 提供四種尺寸，從手機端到工作站都能覆蓋。這裡的「E」代表 Effective（有效參數），是 Google 用了一種叫 Per-Layer Embeddings (PLE) 的技術，讓模型在推理時只啟動一部分參數，大幅降低記憶體和電量消耗。規格E2BE4B26B MoE31B Dense架構Dense + PLEDense + PLEMoE（128 專家）Dense有效參數~2B~4B~4B active31BContext Window128K128K256K256K多模態文字、圖片、音訊文字、圖片、音訊文字、圖片、影片文字、圖片、影片適用裝置手機 / IoT手機 / 筆電24GB GPU80GB GPUArena AI 排名——#6#3特別值得注意的是 26B MoE 版本，它使用 128 個小型專家模組、每次推理只啟動其中 8 個加上 1 個共享專家。這跟 Llama 4 的 16 大專家路線完全不同——Google 選擇了「多而小」的策略，在只有約 4B 有效參數的前提下達到接近 31B 的品質。核心功能亮點先看 Google 官方的發布影片，2 分鐘快速掌握 Gemma 4 的能力輪廓：▲ What's new in Gemma 4（影片來源：Google for Developers 官方頻道）🧠 思維鏈推理內建可配置的 Thinking Mode，模型會先逐步推理再回答。在 AIME 數學競賽題上從 Gemma 3 的 20.8% 飆升到 89.2%，這不是漸進式進步，是世代級的跳躍。👁️ 原生多模態所有模型都能理解圖片（支援不同長寬比和解析度），大模型可處理影片（60 秒、1fps），小模型還支援音訊輸入。OCR、圖表解讀、UI 元素偵測全都做得到。🔧 原生 Function Calling內建工具呼叫和結構化 JSON 輸出，可以自主完成多步驟任務。這讓 Gemma 4 不只是聊天模型，而是可以驅動 AI Agent 的引擎。🌍 140+ 語言支援包含繁體中文、日文在內的 140 種以上語言原生支援，配合離線運行能力，在沒有網路的環境下也能工作。Benchmark 表現有多強Gemma 4 相比 Gemma 3 的進步幅度，在開源 AI 史上相當罕見。以下是幾個關鍵指標的對比：📊 Gemma 3 vs Gemma 4（31B）關鍵指標對比 AIME 數學20.8% → 89.2% GPQA 科學推理42% → 84% BigBench XH19.3% → 74.4% LiveCodeBench~35% → 80%灰色 = Gemma 3｜彩色 = Gemma 4（皆為 thinking mode 成績）▲ Gemma 4 在 Arena AI 排行榜的 ELO 分數表現（圖片來源：Google 官方部落格）在 Arena AI 的文字排行榜上，31B Dense 模型拿下全球開源第三名（ELO 1452），26B MoE 則是第六名。值得注意的是，它們擊敗了許多參數量是自己 20 倍的模型。換句話說，Gemma 4 的「每參數智能」是目前開源模型中最高的。跟 Qwen 3.5、Llama 4 怎麼選2026 年 4 月是開源 AI 史上最擁擠的月份。Gemma 4、Qwen 3.6 Plus、Llama 4 同時在場上。以下是各家的定位差異：面向Gemma 4Qwen 3.5Llama 4授權Apache 2.0Apache 2.0Meta 自訂最長 Context256K1M (Qwen 3.6+)10M邊緣裝置部署★★★★★★★★☆☆★☆☆☆☆程式碼能力★★★★☆★★★★★★★★★☆多語言140+ 語言201 語言—最小可用模型E2B（手機）0.8BScout 109B簡單的選擇指南：如果你需要在手機或邊緣裝置上跑 AI，選 Gemma 4；如果你主要做程式碼相關工作，Qwen 3.5 目前仍然更強；如果你需要處理超長文本（整個程式庫或大量文件），Llama 4 Scout 的 10M context 無人能比。但也要注意，社群在 Gemma 4 發布後 24 小時內就發現了一些實際問題：MoE 模型的推理速度偏慢（同 GPU 上 Qwen 3.5 可以跑到 60+ tokens/s，Gemma 4 26B MoE 只有約 11 tokens/s），部分 fine-tuning 工具還不完全支援，Mac 上長時間運行有穩定性問題。這些都是剛發布的陣痛期，預計會逐步改善。怎麼開始使用Google 讓入門門檻變得非常低，以下是幾種方式：1零設定體驗：Google AI Studio在 aistudio.google.com 直接選擇 Gemma 4 模型（支援 31B 和 26B MoE），打開瀏覽器就能用，不需要任何安裝。2本機運行：Ollama / LM Studio安裝 Ollama 0.20+ 後，一行指令就能把模型拉到本機跑。E4B 在 8GB 筆電上就能運行，26B MoE 需要 24GB GPU（量化後）。3開發整合：Hugging Face / Kaggle從 Hugging Face、Kaggle 下載模型權重，用 transformers 5.5.0+ 就能在 Python 裡直接呼叫。支援 vLLM、llama.cpp、MLX 等主流推理引擎。4手機體驗：Google AI Edge GalleryiOS 和 Android 都有的 App，直接在手機上離線跑 E2B 和 E4B 模型，還能體驗 Agent Skills 等 agentic 功能。設計師可以怎麼用 Gemma 4雖然 Gemma 4 主要面向開發者，但它的多模態能力對設計師來說有幾個值得關注的應用方向：🖼️ 設計稿分析Gemma 4 能理解圖片中的 UI 元素、偵測按鈕和文字位置。你可以餵入設計稿截圖，讓它自動描述介面結構，甚至生成對應的 HTML/CSS 程式碼。📝 離線內容生成在飛機上、高鐵上沒有網路的時候，用筆電本機跑 Gemma 4 E4B，一樣可以寫文案、翻譯、整理素材。對常常在移動中工作的創作者來說很實用。🤖 自動化工作流原生的 Function Calling 和 Agent 能力，讓 Gemma 4 可以整合進你的自動化工具鏈。比如自動分析客戶回饋、分類設計素材、批次處理文件等。🔒 隱私安全的 AI 使用本機運行意味著你的設計稿、客戶資料完全不會上傳到任何伺服器。對於有 NDA 約束或處理敏感素材的設計師，這是 API 服務做不到的。注意事項與限制Gemma 4 雖然強大，但有幾件事需要知道：⚠️ 推理速度MoE 版本目前的推理速度不如 Qwen 同級模型，社群正在積極優化中。如果你需要高速推理，建議先用 Dense 31B 或等待後續優化。⚠️ Fine-tuning 生態部分主流微調工具還在更新支援中，Axolotl 已經跟上，但其他框架可能需要等幾天到幾週。如果你打算做領域微調，先確認工具鏈是否就緒。⚠️ 硬體需求31B Dense 完整運行需要 80GB GPU（如 NVIDIA H100），量化後可以在消費級顯卡上跑。E2B 最小只需 4GB RAM。⚠️ 只有文字輸出Gemma 4 可以「看」圖片、影片和聽音訊，但輸出只有文字。它不能生成圖片或影片。📝 重點整理→Gemma 4 是 Google 基於 Gemini 3 技術打造的開源模型家族，首次採用 Apache 2.0 授權，完全自由商用→提供 E2B、E4B、26B MoE、31B Dense 四種尺寸，從手機到工作站都能覆蓋→31B 模型在 Arena AI 排名全球開源第三，AIME 數學成績從 20.8% 跳到 89.2%→原生多模態（圖片 + 影片 + 音訊）、Function Calling、140+ 語言支援→邊緣裝置部署是 Gemma 4 的最大優勢；程式碼能力 Qwen 仍較強；超長文本看 Llama 4→可在 Google AI Studio 免費體驗，或用 Ollama 一行指令在本機運行延伸資源🔗 Google 官方部落格公告🔗 Google DeepMind — Gemma 4 模型頁面🔗 Hugging Face — Gemma 4 技術介紹與使用指南🔗 Google AI for Developers — Gemma 文件🔗 Google AI Studio（免費線上體驗）訂閱制 ✨ AI × 設計趨勢AI 覺醒設計應用攻略｜RAR 設計攻略訂閱方案AI 工具每週都在更新，我幫你過濾雜訊，只整理對設計師真正有用的 AI 應用。✦ AI 工具實測與工作流分享✦ 設計師角度的 Prompt 技巧✦ 每週精選 AI × 設計新知了解訂閱方案 →