Google DeepMind's Gemma 4 AI Model Surpasses 2 Million Downloads in One Week

英Google DeepMindが開発したオープンソースAIモデル「Gemma 4」（ジェマ4）が、リリースからわずか1週間で200万ダウンロードを突破した。

前世代の「Gemma 3」が過去1年間で積み上げた670万ダウンロードと比較しても、その立ち上がりの速さは際立っている。

AIが処理する文字の単位であるトークン使用量に応じた利用料の高騰の傾向が続く中、無料モデルをローカルマシンにインストールすることでトークン出費を抑えたいユーザーに歓迎されているようだ。

一方、オープンソースでリリースしたのは、自動プログラミング機能であるコーディングエージェントで売り上げを伸ばす競合AI企業へ打撃を与えようという戦略なのかもしれない。

全サイズで動画・画像に対応 ライセンスは完全オープン

Gemma 4は、画像やテキスト、音声など複数種類のデータを同時に処理できるマルチモーダルモデルとして設計されている。実効パラメータ数が23億に相当するE2B、45億に相当するE4B、310億の密モデル、そして複数の専門AIを切り替えて効率よく動かす26B A4BのMixture-of-Expertsという4つのサイズで提供される。

全てのモデルが画像と動画の入力をサポートし、小型のE2BやE4Bでは音声入力にも対応する。一度に扱えるデータ量を示すコンテキストウィンドウは、小型モデルで128K、大型モデルで256Kトークンへと大幅に拡張された。

ライセンスは「Apache 2.0」で完全オープンであり、商業利用も含めた自由な活用が可能だ。

ローカル環境に特化した「Gemma 4」 何が技術的ブレークスルー？

手元のマシンでAIを駆動させるローカル推論を意識したアーキテクチャ面では、複数の改良が施されている。

直近のデータと全体のデータの双方にバランスよく目を配る特殊な設計や、処理の途中でデータの劣化を防ぎ、高い精度を保つ技術である「Per-Layer Embeddings」、さらに過去の計算結果を賢く使い回して処理を大幅に高速化する「Shared KV Cache」などが特徴だ。

また、画像を認識する機能は写真の縦横比が変わっても柔軟に対応でき、データ処理の軽重を状況に合わせて調整できる設計になっている。AIの評価サイトを運営する米Hugging Faceが発表した性能ランキングでは、大型モデルだけでなく、複数の専門AIを組み合わせて効率性を重視したモデルも、軒並みトップクラスの数値を記録。言葉のやりとりと画像や動画の処理の双方において、極めて優秀な実力を証明した。