概要
Google DeepMind が 2026年4月にリリースした LLM シリーズ。Apache 2.0 ライセンスで商用利用に制限がなく、31B Dense から E2B（スマートフォン動作）まで4バリアントを提供。特に 26B MoE は総パラメータ数は 26B だが推論時アクティブは約 3.8B にとどまるため、一般的な GPU で実用的に動作する。
モデルラインナップ
| モデル | パラメータ | 推論時アクティブ | コンテキスト | 主な用途 |
|---|---|---|---|---|
| 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 | — | 約 4B | 128K | エッジデバイス |
| E2B | — | 約 2.3B | 128K | スマートフォン |
主な特徴
- Apache 2.0 ライセンス: 商用利用・改変・再配布が自由
- ネイティブ Function Calling: ツール呼び出しをモデルが意味的に理解
- 構造化 JSON 出力: API レスポンス向けの JSON 出力をネイティブサポート
- 256K コンテキスト: 長文書の処理やコードベース全体の分析に対応
- 140+ 言語対応: 日本語を含む多言語をサポート
API 経済へのインパクト
Gemma 4 は外部 LLM API に依存する SaaS のコスト構造を変える可能性を持つ。
| |
E2B モデルは量子化により 1.5GB 未満のメモリで動作し、スマートフォン上でオフライン推論が可能。API 呼び出しゼロのオフライン AI アプリが商用レベルで実現できる。
Qwen3.5-27B との比較
| 観点 | Gemma 4 31B | Qwen3.5-27B |
|---|---|---|
| 推論・数学 | AIME 89.2%（優位） | — |
| コーディング | — | SWE-bench 72.4%（優位） |
| メモリ（Q4） | 約 19GB | 約 16.7GB（効率的） |
| マルチモーダル | テキスト・画像・音声 | テキスト・画像・音声・動画 |
| MLX 対応 | vMLX 必要 | mlx-community で充実 |
推論・数学・マルチモーダルには Gemma 4、コーディング・メモリ効率・MLX エコシステムには Qwen3.5 が向いている。
Abliteration（安全性除去）モデル
Gemma 4 31B をベースに安全性制限を除去した「CRACK」モデルが Hugging Face で公開されている。
- 手法: Abliteration（拒否方向の特定と重みの直交化）
- 量子化: JANG_4M プロファイル（Attention=8bit、MLP=4bit）で 18GB に圧縮
- 性能劣化: MMLU で -2.0%（74.5% vs 76.5%）にとどまる
- HarmBench: 93.7% のコンプライアンス率
詳細は Abliteration を参照。
ローカル実行
| |
Apple Silicon では標準の mlx_lm は未対応（2026年4月時点）。vMLX を使う必要がある。
関連ページ
- Ollama — ローカル LLM 実行環境
- Qwen — Alibaba のオープンソース LLM（比較対象）
- BitNet — Microsoft の 1-bit LLM（別アプローチのエッジ AI）
- ローカル LLM 比較 — ローカル LLM の選択ガイド
- Abliteration — LLM の安全性制限を除去する技術
ソース記事
- Gemma 4 がAPI経済を破壊する — オープンモデルがSaaS課金モデルを変える理由 — 2026-04-07
- Gemma 4 31B vs Qwen3.5-27B — ローカルLLM最強はどちらか — 2026-04-07
- Gemma 4 31B の脱獄モデル「CRACK」登場 — Abliteration 技術でセーフティを除去 — 2026-04-06