Gemma 4 が「すごいオープンソースモデル」として話題になっている。しかし、本当に注目すべきポイントはモデル性能だけではない。GoogleがAPI経済の構造そのものに挑戦しているという点だ。
Gemma 4のラインナップ
Gemma 4は4つのサイズで提供されている。
| モデル | パラメータ | 推論時アクティブ | コンテキスト | 用途 |
|---|---|---|---|---|
| 31B Dense | 31B | 31B | 256K | サーバー/ワークステーション |
| 26B MoE | 26B | 約3.8B | 256K | サーバー/ワークステーション |
| E4B | 非公表 | 約4B | 128K | エッジデバイス |
| E2B | 非公表 | 約2.3B | 128K | スマートフォン |
注目は 26B MoE だ。総パラメータ数は26Bだが、Mixture-of-Experts（MoE）アーキテクチャにより推論時にアクティブなのは約3.8Bのみ。これにより、RTX 4090のような一般的なGPUでも十分に動作する。
API課金モデルへのインパクト
従来のAI搭載SaaSは、以下のようなコスト構造を持つ。
| |
この構造では、ユーザーが増えるほどAPI費用が増加する。特にスタートアップにとって、スケールするほど外部API費用が利益を圧迫する「API課金の罠」に陥りやすい。
Gemma 4は、この構造を根本から変える可能性がある。
| |
Apache 2.0ライセンス で商用利用に制限がなく、カスタムの利用規約や解約条項もない。自社サーバーでモデルを稼働させれば、コストはインフラの固定費だけになる。
エッジAI：スマホでオフライン動作
さらに衝撃的なのは E2Bモデル だ。量子化（2-bit/4-bit）により 1.5GB未満のメモリ で動作する。スマートフォン上でインターネット接続なしに推論を実行できる。
これが意味すること：
- オフラインAIアシスタント がスマートフォンアプリとして実現可能
- API呼び出しゼロ = 月額課金不要のAI製品が作れる
- ユーザーデータがデバイスから出ないため、プライバシー面でも有利
E2Bはテキスト・画像・音声の入力に対応するマルチモーダルモデルであり、単なる軽量モデルではなく実用的な機能を備えている。
開発者向けの実践的な機能
Gemma 4は単に軽いだけでなく、プロダクション向けの機能が揃っている。
- ネイティブFunction Calling: モデルがツール呼び出しを意味的に理解し、適切な場面で自動的にツールを使い分ける
- 構造化JSON出力: APIレスポンスとしてそのまま使えるJSON形式の出力をネイティブにサポート
- 256Kコンテキストウィンドウ（中型モデル）: 長文書の処理やコードベース全体の分析に対応
- 多言語対応: 幅広い言語をサポート
現実的な制約
もちろん、すべてがバラ色というわけではない。
- ファインチューニングのツールチェーンはまだ未成熟 — 推論は即座に使えるが、カスタムモデルの学習環境は発展途上
- GPT-4oやClaude Opus 4と同等ではない — 最高性能のプロプライエタリモデルと比較すると、複雑な推論タスクでは差がある
- 運用コスト — 自社でGPUサーバーを運用するには、インフラの知識と初期投資が必要
オープンモデルのトレンドが示す方向
Gemma 4が示しているのは、オープンモデルの実用水準が急速に上がっているという事実だ。
- API経済に依存しないSaaSアーキテクチャが現実的になった
- スマートフォンで動作するオフラインAIアプリが商用レベルに達した
- Apache 2.0ライセンスにより、法的リスクなく商用展開できる
スタートアップや個人開発者にとって、「毎月のAPI費用」という変動コストを「固定のインフラコスト」に変換できるのは、ビジネスモデル設計上の大きな転換点だ。
まとめ
Gemma 4は単なる「次のオープンモデル」ではない。Googleが打ち出した 「APIに金を払うのをやめろ」宣言 と捉えることもできる。26B MoEの効率性、E2Bのエッジ展開、Apache 2.0の自由度 — これらを組み合わせると、AI搭載プロダクトのコスト構造を根本から見直す材料が揃っている。
もちろん、プロプライエタリAPIが不要になるわけではない。最先端の性能が必要な場面、運用負荷を最小化したい場面では引き続き有効だ。しかし、選択肢が増えたことの意義は大きい。