Was ist Gemma 4?
Gemma 4 ist die Open-Weight-Modellfamilie von Google DeepMind, veröffentlicht am 2. April 2026. Sie startete in vier Größen: E2B und E4B für Smartphones und kleine Geräte, ein 26B-Mixture-of-Experts-Modell, das pro Token 3,8 Milliarden Parameter nutzt, und ein dichtes 31B-Modell. Eine fünfte Größe, das 12B „Unified“, folgte Ende Mai; es speist rohe Bildausschnitte und Audio direkt ins Sprachmodell ein, ohne separate Encoder.
Jede Größe liest Bilder und Video (als Einzelbilder, bis zu 60 Sekunden mit einem Bild pro Sekunde); E2B, E4B und 12B nehmen außerdem bis zu 30 Sekunden Audio an. Die kleinen Modelle haben einen Kontext von 128K Tokens, 12B, 26B und 31B einen von 256K. Alle haben einen einstellbaren Thinking-Modus, natives Function Calling und eine System-Rolle und wurden mit Daten in mehr als 140 Sprachen trainiert, mit Wissensstand Januar 2025.
Es ist die erste Gemma-Veröffentlichung unter der Standardlizenz Apache 2.0 statt unter Googles eigenen Bedingungen. Google veröffentlicht zudem quantisierungsbewusst trainierte 4-Bit-Versionen jeder Größe, und die Modelle laufen auf Vertex AI, Cloud Run, GKE und unter Android über AICore.
Was kostet Gemma 4?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Weights | Free | Apache 2.0 |
| 31B (OpenRouter) | $0.20 in / $0.40 out per 1M tokens | |
| 26B A4B (OpenRouter) | About $0.08 in / $0.26 out per 1M tokens |
Kostenlose Gewichte unter Apache 2.0. Gehostet bei Google Cloud und Drittanbietern; OpenRouter listet 31B für 0,20 $/0,40 $ und 26B A4B für etwa 0,08 $/0,26 $ pro 1 Mio. Tokens.
Lohnt sich Gemma 4?
Gemma 4 ist die offene Familie, an der sich alles in Größen messen muss, die auf eine einzelne GPU oder ein Smartphone passen, und die Lizenz Apache 2.0 erspart die juristische Prüfung, die frühere Gemma-Versionen ausgebremst hat. Laut Googles eigener Modellkarte erreicht das 31B 85,2 % bei MMLU Pro, 84,3 % bei GPQA Diamond und 80,0 % bei LiveCodeBench v6, gegenüber 67,6 %, 42,4 % und 29,1 % für Gemma 3 27B. Zum Start sagte Google, das 31B liege in der Text-Rangliste der Arena auf Platz drei unter den offenen Modellen; diese Platzierung stammt aus dem April, seither sind neuere Modelle erschienen.
Das interessante Modell für die meisten Einsätze ist das 26B A4B. Es aktiviert 3,8 Milliarden Parameter pro Token, läuft also fast so schnell wie ein kleines Modell und erreicht dabei 82,6 % bei MMLU Pro und 88,3 % bei AIME 2026 ohne Werkzeuge. Sein quantisierungsbewusst trainiertes 4-Bit-GGUF ist 14,4 GB groß, passt also auf eine Consumer-Karte mit 24 GB und lässt Platz für Kontext, und OpenRouter listet es für etwa 0,08 $ pro Million Input-Tokens.
Die Lücken liegen bei langem Kontext und bei Agenten. Googles eigenes Ergebnis bei MRCR v2 mit 128K Tokens fällt von 66,4 % beim 31B auf 44,1 % beim 26B. Das Fenster von 256K ist also nur beim größten Modell wirklich nutzbar, und Werte von 68 bis 77 % bei Tau2 für Werkzeugnutzung liegen deutlich unter denen der Spitzen-Agenten. Audio ist auf 30 Sekunden begrenzt, und 26B und 31B haben gar keins, Sprachfunktionen bedeuten also das 12B oder die handygroßen Modelle.
Der Veröffentlichungsrhythmus zählt so viel wie die Werte. Google ergänzte innerhalb von zwei Monaten nach dem Start das 12B, auf Assistenten abgestimmte Varianten und quantisierungsbewusste Versionen für jede Größe, und diese 4-Bit-Dateien verkleinern das 31B von etwa 62 GB in BF16 auf 17,7 GB, mit wenig Mehraufwand für den Betreiber. Diese Bandbreite an offiziellen Dateien, von 5,2 GB für E4B bis 17,7 GB für das 31B, erlaubt es einem Team, eine einzige Familie über Smartphone, Laptop und Server hinweg zu vereinheitlichen.
Wo es sich lohnt
Ein Plattformingenieur, der einen internen Assistenten auf einer GPU mit 24 GB betreibt
Eine bezahlte API zum Zusammenfassen und Entwerfen interner Dokumente ersetzen
Lass das 26B A4B als 4-Bit-GGUF (14,4 GB plus eine Vision-Datei mit 1,2 GB) in llama.cpp oder vLLM laufen. Einzige Kosten ist die Hardware, und Apache 2.0 bedeutet keine Nutzungsmeldungen und keine Lizenzprüfung.
Ein Android-Team bei einem Fintech für Endkunden
Belege klassifizieren und kurze Sprachnotizen auf dem Smartphone transkribieren
E4B über AICore liest offline Bilder und bis zu 30 Sekunden Audio, sodass Belege das Gerät nie verlassen. Rechne mit geringerer Genauigkeit als bei den größeren Modellen: E4B erreicht 69,4 % bei MMLU Pro gegenüber 85,2 % beim 31B.
Eine Support-Leiterin in einem SaaS-Unternehmen mit 50 Agenten
Günstig erste Antworten auf eine Million Tickets im Monat entwerfen
Bei etwa 1.000 Input- und 300 Output-Tokens pro Antwort kostet das 26B A4B auf OpenRouter rund 150 $ im Monat. Die Preise fürs Hosting unterscheiden sich je nach Anbieter, prüf also den, den du wählst.
Bevor du dich festlegst
- Einrichtung
- Von Hugging Face herunterladen und mit Transformers, llama.cpp, Ollama oder vLLM laden; die 4-Bit-GGUF-Versionen laufen ohne Konvertierungsschritt.
- Integrationen
- Natives Function Calling und System-Rolle, Thinking-Modus mit Steuer-Tokens, Versionen für Transformers und GGUF, Vertex AI, Cloud Run, GKE und Android AICore.
- Daten und Datenschutz
- Selbst gehostet, die Daten bleiben also dort, wo du das Modell betreibst. Apache 2.0 erlaubt kommerzielle Nutzung und Fine-Tuning ohne Umsatzgrenze oder Zusatz zur zulässigen Nutzung.
- Kosten im großen Maßstab
- Die Gewichte sind kostenlos. Das 31B braucht in BF16 etwa 62 GB (eine Karte mit 80 GB) oder in 4 Bit 17,7 GB; in 4 Bit sind es beim 26B A4B 14,4 GB, beim 12B 7,0 GB und beim E4B 5,2 GB. OpenRouter listet 31B für 0,20 $/0,40 $ und 26B A4B für 0,08 $/0,26 $ pro 1 Mio. Tokens.
- Grenzen
- Kontext von 128K bei E2B und E4B, 256K bei den größeren Modellen; Audio bis 30 Sekunden, Video bis 60 Frames; Wissensstand Januar 2025.
Was gut ist
- Lizenz Apache 2.0
- Fünf Größen vom Smartphone (E2B) bis zu einer GPU (31B)
- Offizielle 4-Bit-Versionen: 31B in 17,7 GB, 26B A4B in 14,4 GB
- Eingabe von Bildern und Video in jeder Größe
Was nicht
- Die Erinnerung über langen Kontext bricht unterhalb des 31B stark ein
- Kein Audio bei 26B und 31B; sonst Audio höchstens 30 Sekunden
- Wissensstand Januar 2025
- Agentische Werkzeugnutzung deutlich hinter Spitzenmodellen
Am besten für
Entwickler, die Apps auf dem Gerät, lokal oder auf einer einzelnen GPU bauen und eine freizügige Lizenz und multimodale Eingabe wollen.
Alternativen zu Gemma 4
Gemma 4: häufige Fragen
- Lohnt sich Gemma 4?
- Gemma 4 ist jetzt die Standardfamilie unter den offenen Modellen unter 32B Parametern, weil seine Lizenz endlich zu seiner Qualität passt. Wir bewerten es mit 4.4 von 5.
- Was kostet Gemma 4?
- Kostenlose Gewichte unter Apache 2.0. Gehostet bei Google Cloud und Drittanbietern; OpenRouter listet 31B für 0,20 $/0,40 $ und 26B A4B für etwa 0,08 $/0,26 $ pro 1 Mio. Tokens.
- Welche Nachteile hat Gemma 4?
- Die Erinnerung über langen Kontext bricht unterhalb des 31B stark ein; Kein Audio bei 26B und 31B; sonst Audio höchstens 30 Sekunden; Wissensstand Januar 2025; Agentische Werkzeugnutzung deutlich hinter Spitzenmodellen.
- Für wen eignet sich Gemma 4?
- Entwickler, die Apps auf dem Gerät, lokal oder auf einer einzelnen GPU bauen und eine freizügige Lizenz und multimodale Eingabe wollen.
- Was kostet Gemma 4 für ein Team oder im Produktivbetrieb?
- Die Gewichte sind kostenlos. Das 31B braucht in BF16 etwa 62 GB (eine Karte mit 80 GB) oder in 4 Bit 17,7 GB; in 4 Bit sind es beim 26B A4B 14,4 GB, beim 12B 7,0 GB und beim E4B 5,2 GB. OpenRouter listet 31B für 0,20 $/0,40 $ und 26B A4B für 0,08 $/0,26 $ pro 1 Mio. Tokens.
- Ist Gemma 4 sicher für Firmendaten?
- Selbst gehostet, die Daten bleiben also dort, wo du das Modell betreibst. Apache 2.0 erlaubt kommerzielle Nutzung und Fine-Tuning ohne Umsatzgrenze oder Zusatz zur zulässigen Nutzung.
- Was sind die besten Alternativen zu Gemma 4?
- Die nächsten Alternativen, die wir getestet haben, sind gpt-oss-20b, Mistral Small 4 und Phi-4-Reasoning-Vision-15B.
Antworten geprüft am 22. Okt. 2026.