Google Gemma 4 - 版の履歴

2026年4月7日 (火) 07:30にAdministratorによる

2026-04-07T07:30:00Z

← 古い版		2026年4月7日 (火) 07:30時点における版
8行目:		8行目:
	[[Google TPU]]に最適化されており特定の[[GPU]]への依存もなく[[Mac]]でも快適に動きます。		[[Google TPU]]に最適化されており特定の[[GPU]]への依存もなく[[Mac]]でも快適に動きます。
	個人で上位モデルを動かすならMac一択です。		個人で上位モデルを動かすならMac一択です。
	[[OpenClaw]]~~でGoogleニュースを巡回させて~~[[Moltbook]]にクソスレを立てさせていますが今のところ良い感じです。		[[OpenClaw]]でSeleniumを使ってGoogleニュースを巡回させて[[Moltbook]]にクソスレを立てさせていますが今のところ良い感じです。

	== モデルファミリーとアーキテクチャ ==		== モデルファミリーとアーキテクチャ ==

Administrator: /* 24GB / 32GBモデル */

2026-04-07T07:28:20Z

24GB / 32GBモデル

← 古い版		2026年4月7日 (火) 07:28時点における版
78行目:		78行目:
	26B A4B（4-bit）が余裕を持って動作し、実用的な速度が得られます。		26B A4B（4-bit）が余裕を持って動作し、実用的な速度が得られます。

	31B Dense（4-bit/17.~~4GB）も動作圏内ですが、大規模なコンテキスト利用には急激なパフォーマンス低下を引き起こすので注意が必要です。推奨はしません。~~		31B Dense（4-bit/17.4GB）も動作圏内ですが大規模なコンテキスト利用には急激なパフォーマンス低下を引き起こすので注意が必要です。推奨はしません。

	=== 48GB / 64GBモデル（M4 Pro等）===		=== 48GB / 64GBモデル（M4 Pro等）===

Administrator: /* Apple Silicon（M4 Mac mini）での動作検証 */

2026-04-07T07:27:41Z

Apple Silicon（M4 Mac mini）での動作検証

← 古い版		2026年4月7日 (火) 07:27時点における版
73行目:		73行目:

	=== 16GBモデル ===		=== 16GBモデル ===
	~~E2BおよびE4Bが非常に快適に動作します。26B~~ A4Bの4-bit量子化（15.~~6GB）は無理です。クラッシュはしないが絶望的に応答が遅い。~~		一番安いM4 Mac mini 16GBモデルでもE2BおよびE4Bが非常に快適に動作します。26B A4Bの4-bit量子化（15.6GB）は無理です。クラッシュはしないが絶望的に応答が遅いです。

	=== 24GB / 32GBモデル ===		=== 24GB / 32GBモデル ===

2026年4月7日 (火) 07:25にAdministratorによる

2026-04-07T07:25:31Z

← 古い版		2026年4月7日 (火) 07:25時点における版
1行目:		1行目:
	'''Google Gemma 4'''とは、2026年4月に[[Google]]が公開した[[オープンウェイト]]の[[人工知能]]、[[大規模言語モデル]]です。		'''Google Gemma 4'''とは、2026年4月に[[Google]]が公開した[[オープンウェイト]]な[[オープンAIモデル]]の[[人工知能]]、[[大規模言語モデル]]です。

	ライセンスはApache 2.0ライセンスとなっており、商用利用や自由なカスタマイズも可能です。		ライセンスはApache 2.0ライセンスとなっており、商用利用や自由なカスタマイズも可能です。

Administrator: /* モデルファミリーとアーキテクチャ */

2026-04-07T07:24:44Z

モデルファミリーとアーキテクチャ

← 古い版		2026年4月7日 (火) 07:24時点における版
15行目:		15行目:
	=== Effectiveシリーズ（E2B / E4B）===		=== Effectiveシリーズ（E2B / E4B）===
	超モバイル、エッジデバイス、ブラウザ（Google PixelやChrome等）へのデプロイを想定した小サイズモデルです。有効パラメータ（Effective Parameters）の最適化と、各デコーダーレイヤーに独自の埋め込みテーブルを持つPLE（Per-Layer Embeddings）を採用。計算負荷を抑えつつ、オンデバイスでの表現力を最大化しています。E2Bならメモリ4GBくらいで動きます。		超モバイル、エッジデバイス、ブラウザ（Google PixelやChrome等）へのデプロイを想定した小サイズモデルです。有効パラメータ（Effective Parameters）の最適化と、各デコーダーレイヤーに独自の埋め込みテーブルを持つPLE（Per-Layer Embeddings）を採用。計算負荷を抑えつつ、オンデバイスでの表現力を最大化しています。E2Bならメモリ4GBくらいで動きます。

			=== Mixture-of-Expertsモデル（26B A4B）===
			高スループットと高度な推論を両立させるために設計された効率的なMoEモデルです。生成時にはトークンごとに40億（4B）のパラメータのみをアクティブ化しますが、高速なルーティングを維持するために全260億パラメータをメモリに展開します。

	=== Denseモデル（31B）===		=== Denseモデル（31B）===
	310億パラメータを持つ高密度モデルです。サーバーグレードのパフォーマンスとローカル実行の境界線を埋める存在であり、オープンモデルとして最高峰の知能と論理推論能力を提供します。		310億パラメータを持つ高密度モデルです。サーバーグレードのパフォーマンスとローカル実行の境界線を埋める存在であり、オープンモデルとして最高峰の知能と論理推論能力を提供します。

	~~=== Mixture-of-Expertsモデル（26B A4B）===~~
	高スループットと高度な推論を両立させるために設計された効率的なMoEモデルです。生成時にはトークンごとに40億（4B）のパラメータのみをアクティブ化しますが、高速なルーティングを維持するために全260億パラメータをメモリに展開します。

	== 主要機能と進化点 ==		== 主要機能と進化点 ==

Administrator: /* Effectiveシリーズ（E2B / E4B） */

2026-04-07T07:24:16Z

Effectiveシリーズ（E2B / E4B）

← 古い版		2026年4月7日 (火) 07:24時点における版
14行目:		14行目:

	=== Effectiveシリーズ（E2B / E4B）===		=== Effectiveシリーズ（E2B / E4B）===
	超モバイル、エッジデバイス、ブラウザ（Google PixelやChrome等）へのデプロイを想定した小サイズモデルです。有効パラメータ（Effective Parameters）の最適化と、各デコーダーレイヤーに独自の埋め込みテーブルを持つPLE（Per-Layer ~~Embeddings）を採用。計算負荷を抑えつつ、オンデバイスでの表現力を最大化しています。~~		超モバイル、エッジデバイス、ブラウザ（Google PixelやChrome等）へのデプロイを想定した小サイズモデルです。有効パラメータ（Effective Parameters）の最適化と、各デコーダーレイヤーに独自の埋め込みテーブルを持つPLE（Per-Layer Embeddings）を採用。計算負荷を抑えつつ、オンデバイスでの表現力を最大化しています。E2Bならメモリ4GBくらいで動きます。

	=== Denseモデル（31B）===		=== Denseモデル（31B）===

2026年4月7日 (火) 07:23にAdministratorによる

2026-04-07T07:23:34Z

← 古い版		2026年4月7日 (火) 07:23時点における版
8行目:		8行目:
	[[Google TPU]]に最適化されており特定の[[GPU]]への依存もなく[[Mac]]でも快適に動きます。		[[Google TPU]]に最適化されており特定の[[GPU]]への依存もなく[[Mac]]でも快適に動きます。
	個人で上位モデルを動かすならMac一択です。		個人で上位モデルを動かすならMac一択です。
	[[OpenClaw]]で[[Moltbook]]にクソスレを立てさせていますが今のところ良い感じです。		[[OpenClaw]]でGoogleニュースを巡回させて[[Moltbook]]にクソスレを立てさせていますが今のところ良い感じです。

	== モデルファミリーとアーキテクチャ ==		== モデルファミリーとアーキテクチャ ==

2026年4月7日 (火) 07:23にAdministratorによる

2026-04-07T07:23:12Z

← 古い版		2026年4月7日 (火) 07:23時点における版
1行目:		1行目:
	Google Gemma ~~4とは、2026年4月にGoogleが公開したオープンウェイトの大規模言語モデルです。~~		'''Google Gemma 4'''とは、2026年4月に[[Google]]が公開した[[オープンウェイト]]の[[人工知能]]、[[大規模言語モデル]]です。

	ライセンスはApache 2.0ライセンスとなっており、商用利用や自由なカスタマイズも可能です。		ライセンスはApache 2.0ライセンスとなっており、商用利用や自由なカスタマイズも可能です。
6行目:		6行目:
	一番しょぼいモデルでも音声認識と音声理解ができます。		一番しょぼいモデルでも音声認識と音声理解ができます。

	Google ~~TPUに最適化されておりGPU依存もなくMacでも快適に動きます。~~		[[Google TPU]]に最適化されており特定の[[GPU]]への依存もなく[[Mac]]でも快適に動きます。
	個人で上位モデルを動かすならMac一択です。		個人で上位モデルを動かすならMac一択です。
	[[OpenClaw]]で[[Moltbook]]~~にクソスレを立てさせていますが良い感じです。~~		[[OpenClaw]]で[[Moltbook]]にクソスレを立てさせていますが今のところ良い感じです。

	== モデルファミリーとアーキテクチャ ==		== モデルファミリーとアーキテクチャ ==

2026年4月7日 (火) 07:19にAdministratorによる

2026-04-07T07:19:43Z

← 古い版		2026年4月7日 (火) 07:19時点における版
8行目:		8行目:
	Google TPUに最適化されておりGPU依存もなくMacでも快適に動きます。		Google TPUに最適化されておりGPU依存もなくMacでも快適に動きます。
	個人で上位モデルを動かすならMac一択です。		個人で上位モデルを動かすならMac一択です。
			[[OpenClaw]]で[[Moltbook]]にクソスレを立てさせていますが良い感じです。

	== モデルファミリーとアーキテクチャ ==		== モデルファミリーとアーキテクチャ ==
16行目:		16行目:
	超モバイル、エッジデバイス、ブラウザ（Google PixelやChrome等）へのデプロイを想定した小サイズモデルです。有効パラメータ（Effective Parameters）の最適化と、各デコーダーレイヤーに独自の埋め込みテーブルを持つPLE（Per-Layer Embeddings）を採用。計算負荷を抑えつつ、オンデバイスでの表現力を最大化しています。		超モバイル、エッジデバイス、ブラウザ（Google PixelやChrome等）へのデプロイを想定した小サイズモデルです。有効パラメータ（Effective Parameters）の最適化と、各デコーダーレイヤーに独自の埋め込みテーブルを持つPLE（Per-Layer Embeddings）を採用。計算負荷を抑えつつ、オンデバイスでの表現力を最大化しています。

	=== * Denseモデル（31B）===		=== Denseモデル（31B）===
	310億パラメータを持つ高密度モデルです。サーバーグレードのパフォーマンスとローカル実行の境界線を埋める存在であり、オープンモデルとして最高峰の知能と論理推論能力を提供します。		310億パラメータを持つ高密度モデルです。サーバーグレードのパフォーマンスとローカル実行の境界線を埋める存在であり、オープンモデルとして最高峰の知能と論理推論能力を提供します。

Administrator: /* Apple Silicon（M4 Mac mini等）での動作検証 */

2026-04-07T07:18:10Z

Apple Silicon（M4 Mac mini等）での動作検証

← 古い版		2026年4月7日 (火) 07:18時点における版
69行目:		69行目:
	標準推論より大幅に多いメモリが必要です。LoRA等のPEFT手法の活用が推奨されます。		標準推論より大幅に多いメモリが必要です。LoRA等のPEFT手法の活用が推奨されます。

	== Apple Silicon（M4 Mac ~~mini等）での動作検証~~ ==		== Apple Silicon（M4 Mac mini）での動作検証 ==
	M4チップを搭載したMac mini等のApple Silicon環境では、ユニファイドメモリの容量によって動作可能なモデルが規定されます。		M4チップを搭載したMac mini等のApple Silicon環境では、ユニファイドメモリの容量によって動作可能なモデルが規定されます。