Googleは2026年4月2日、オープンモデル群「Gemma 4」を公開した。Gemma 4はGemini 3と同じ研究成果と技術基盤をベースにしたモデルファミリーで、高度な推論、エージェント型ワークフロー、ローカル実行を重視して設計されている。今回の発表では、モデル本体の公開に加え、Android向けのAICore Developer Previewでの先行提供と、Android StudioでのローカルAIコーディング支援への対応も案内された。

今回の動きは、新しいオープンモデルの投入というだけの話ではない。スマートフォンなどのエッジ端末でのオンデバイス推論、ローカルGPUを使った開発支援、クラウドやワークステーションでの本番運用までを、同じ系列のモデルでつなごうとしている点がその中心にある。さらに、従来の独自ライセンスではなくApache 2.0ライセンスで提供することで、開発者や企業が導入条件を検討しやすい形に改めた格好だ。

AD

4モデル構成で小型端末からワークステーションまでをカバーする

Gemma 4は、Effective 2B（E2B）、Effective 4B（E4B）、26B Mixture of Experts（MoE）、31B Denseの4モデルで構成される。Googleは今回、スマートフォンや小型デバイス向けの軽量モデルと、ローカルGPUやアクセラレータ向けの大きなモデルを1つの系列にまとめた。

モデル主な想定環境コンテキスト長特徴
E2BAndroid端末、Raspberry Pi、Jetson Orin Nanoなど128K速度重視、低メモリ、音声入力対応
E4BAndroid端末、Raspberry Pi、Jetson Orin Nanoなど128KE2Bより高い推論力、音声入力対応
26B MoEコンシューマGPU、ワークステーション、アクセラレータ最大256K推論時は3.8Bのみ活性化し、低遅延を重視
31B Denseワークステーション、アクセラレータ最大256K品質重視、微調整の土台として使いやすい

E2BとE4Bは、端末内で完全オフライン動作することを強く意識したモデルである。Googleは、これらをGoogle Pixelチームに加え、Qualcomm Technologies、MediaTekとの協業で最適化したと説明しており、RAMやバッテリー消費を抑えつつ、スマートフォンや小型デバイスでも扱える点を前面に出している。Googleの表現では、エッジデバイス上で「near-zero latency」を狙う構成だ。

26B MoEと31B Denseは、より高い推論性能や長文処理、開発支援用途を担う。26B MoEは総パラメータ26Bのうち、推論時には3.8Bだけを有効化する設計で、低遅延と高いトークン生成速度を重視する。31B Denseは速度よりも出力品質を優先し、微調整のベースモデルとして使いやすい位置付けになっている。

Googleは31BをArena AI text leaderboardでオープンモデル3位、26Bを6位としており、Gemma 4は「20倍の規模のモデルを上回る」と説明する。数字の見せ方からも、Googleが今回のGemma 4を「小さくても強いモデル群」として打ち出していることが分かる。

強化点は推論力だけでなく、ツール連携とマルチモーダル処理にも及ぶ

Gemma 4の説明で目立つのは、単なるテキスト生成モデルとしてではなく、複数段階の判断や外部ツール呼び出しまで含む処理系として整理されている点である。Googleが挙げた主な機能は次の通りだ。

機能内容対象
高度な推論複数段階の計画、深いロジック、数学、指示追従を強化全モデル
エージェント処理function calling、structured JSON output、system instructionsに対応全モデル
コード生成オフラインのローカルコード支援を想定全モデル
画像・動画理解OCR、グラフ理解、可変解像度の視覚入力に対応全モデル
音声入力音声認識と理解に対応E2B、E4B
多言語対応140超の言語で事前学習全モデル

ここで重要なのは、Gemma 4が高性能なローカルモデルであることに加え、アプリやツールの中に組み込みやすい仕様をまとめて備えている点である。function callingとstructured JSON outputへの対応は、モデルの出力をアプリの処理フローやAPI連携に載せやすくする。system instructionsも用意されているため、モデルの振る舞いを一定のルールで縛りながら使いやすい。

マルチモーダル対応も今回の柱だ。全モデルが画像と動画をネイティブに処理でき、OCRやグラフ理解のような視覚タスクに対応する。さらに、E2BとE4Bは音声入力にも対応しており、音声認識や音声理解まで含めたオンデバイス処理を視野に入れている。Googleは、140を超える言語で事前学習している点も強調しており、ローカル実行であっても多言語アプリ開発に使いやすい構成にしている。

長文処理も大きな更新点と言える。E2BとE4Bは128K、26Bと31Bは最大256Kのコンテキスト長を持つ。Googleは、長い文書やコードベース、リポジトリ全体を1つのプロンプトにまとめて与えられることを利点として示している。ローカルで動くモデルとしては、短い応答だけでなく、まとまった文書や開発資産を扱う用途に寄せた仕様だと読める。

AD

Apache 2.0への切り替えで導入の前提条件も変わる

今回の発表で見逃せないのが、Gemma 4がApache 2.0ライセンスで提供される点だ。Googleは、開発者コミュニティからのフィードバックを受け、制限の少ない形で開発者エコシステムを支える必要があると判断したと説明している。

Googleの説明では、このライセンスはデータ、インフラ、モデルに対するコントロールを開発者側に持たせ、オンプレミスでもクラウドでも任意の環境で構築しやすくするための基盤になる。Gemma 4の発表は、モデル性能の更新に加え、企業や組織が実運用の候補として検討しやすい条件を整える意味も持っている。

Googleはまた、Gemma 4が自社の非公開モデルと同じ厳格なインフラセキュリティプロトコルを通過しているとも説明している。ライセンスの柔軟性と、企業利用を意識した信頼性の訴求を同時に進めた構図だ。

AndroidではAICore Developer PreviewからGemini Nano 4への移行を見据える

Android向けでは、Gemma 4は次世代Gemini Nanoの基盤モデルとして案内された。GoogleはAICore Developer PreviewでGemma 4を先行提供し、ここでGemma 4向けに書いたコードは、年内に登場予定のGemini Nano 4対応端末でもそのまま動作するとしている。

項目内容
提供形態AICore Developer Previewで早期アクセス提供
Android向けモデルGemini Nano 4 Fast、Gemini Nano 4 Fullに対応するE2B/E4B系
E2Bの位置付け最大速度重視、E4B比で3倍高速
E4Bの位置付けより高い推論力と複雑な処理向け
改善点従来版比で最大4倍高速、最大60%省電力
入力テキスト、画像、音声
言語140超の言語に対応
今後の追加予定Prompt APIでtool calling、structured output、system prompts、thinking modeを追加予定

GoogleがAndroid向けに示した例は、かなり実務寄りだ。推論では、コミュニティガイドライン違反の判定のような条件分岐を伴う処理を例示した。数学では、年26回の給与支払いを前提に年間1万ドルを貯めるには1回あたりいくら積み立てるべきか、という計算を示している。時刻理解では、イベント開始の10時間前に通知を送るには何時何分かを返す例を挙げた。画像理解では、OCR、グラフの読み取り、視覚データ抽出、手書き認識などが例として示されている。

ここから見えるのは、GoogleがGemma 4をAndroid上の汎用チャット機能ではなく、アプリ内で使う推論エンジンとして位置付けていることだ。文章要約に限らず、条件判定、計算、カレンダー処理、視覚入力処理までを、端末内で完結する形に寄せている。

ただし、Developer Previewの利用条件には注意が必要である。プレビューモデルはAICore対応端末での検証が前提で、Google、MediaTek、Qualcomm Technologiesの最新世代AIアクセラレータを備えた端末では本来の性能で試せる。一方、AICore非対応端末では当初CPU実装での動作となり、本番時の性能をそのまま示すものではない。非対応端末でもAI Edge Galleryアプリ経由での試用は可能だが、性能評価をそのまま移し替えることはできない。

AD

Android StudioではローカルAgent Modeの中核モデルとして組み込まれる

Googleは同日、Android StudioにおけるGemma 4対応も発表した。これは、Android StudioのAgent ModeでGemma 4をローカルモデルとして利用できるようにするものだ。Googleは今年1月に、Android Studioでローカルモデルとリモートモデルを選べる仕組みを導入しており、今回そこにGemma 4が加わった。

Android Studioでの訴求点は大きく3つある。インターネット接続やAPIキーなしで中核処理をローカル実行できること、コードを端末外に出さずに扱えるためプライバシーや社内セキュリティ要件が厳しい環境でも利用しやすいこと、そして単なる補完ではなく複数ファイルにまたがる変更やビルド修正まで含むエージェント的な処理を想定していることである。

Googleが示した利用例は次の通りだ。

用途例
新機能の設計と実装「電卓アプリを作る」と指示すると、KotlinとJetpack Composeを使ってUIコードまで生成
リファクタリングハードコード文字列を検出し、strings.xml へ移行
バグ修正とビルド解決ビルド失敗やlintエラーを検出し、修正を繰り返して成功まで持っていく

この説明からは、Gemma 4がAndroid開発向けに訓練された点をGoogleが重視していることが分かる。Agent ModeでAndroid開発の作法に沿ったコードを出すことを狙っており、一般用途モデルをIDEに載せたというより、開発作業向けのローカルモデルとして押し出している。

導入にあたっては、LM StudioまたはOllamaをローカルPCに導入し、Settings > Tools > AI > Model Providers から接続先を追加し、Gemma 4をダウンロードしたうえでAgent Modeで有効化する流れになる。公式のハードウェア要件は次の通りだ。

モデルAndroid Studio利用時の総RAM要件ストレージ要件
Gemma E2B8GB2GB
Gemma E4B12GB4GB
Gemma 26B MoE24GB17GB

Googleは、最小要件を満たすAndroidアプリ開発者には26B MoEを推奨している。ここでいう総RAM要件には、Android Studio本体とGemmaの両方が含まれる。ローカルモデル利用の敷居を下げつつも、実務レベルのAgent Modeを快適に使うには、それなりのマシン性能が前提になることも読み取れる。

取得先、開発ツール、展開先までを一気通貫でそろえた

Gemma 4は、モデルそのものの公開に加え、取得先から本番展開までの導線も同時に示された。

区分提供先・対応先
モデル取得Hugging Face、Kaggle、Ollama
Googleの試用環境Google AI Studio（31B、26B MoE）、Google AI Edge Gallery（E4B、E2B）
Android開発AICore Developer Preview、ML Kit GenAI Prompt API、Android Studio Agent Mode
推論・実行ツールHugging Face Transformers、TRL、Transformers.js、Candle、LiteRT-LM、vLLM、llama.cpp、MLX、Ollama、NVIDIA NIM、NeMo、LM Studio、Unsloth、SGLang、Cactus、Baseten、Docker、MaxText、Tunix、Keras
微調整Google Colab、Vertex AI、ローカルのゲーミングGPU
本番展開Vertex AI、Cloud Run、GKE、Sovereign Cloud、TPU-accelerated serving
ハードウェア最適化NVIDIA Jetson Orin Nano〜Blackwell GPU、AMD GPU（ROCm）、Trillium TPU、Ironwood TPU

この一覧から見えるのは、GoogleがGemma 4を単独のオープンモデルとしてではなく、端末内推論、ローカル開発、クラウド展開をまたぐ共通基盤として押し出していることだ。Android向けにはE2BとE4B、開発者向けのローカルAIコーディングには26B MoE、より品質重視の用途には31Bというように、モデルごとの役割分担も比較的明快である。

今回の発表では、Android端末のオンデバイスAI、ローカルIDEでの開発支援、Apache 2.0での配布が同じ日に束ねられた。AICore Developer Previewで先に試し、Gemini Nano 4対応端末に展開し、Android StudioではローカルのAgent Modeで利用するという流れまで含めて示されたことで、Gemma 4は研究用のオープンモデルというより、開発と実装の現場に直接つなげるためのモデル群として打ち出されたといえる。

Sources