O que é Gemma 4?
Gemma 4 é a família de modelos de pesos abertos do Google DeepMind, lançada em 2 de abril de 2026. Ela chegou em quatro tamanhos: E2B e E4B para celulares e dispositivos pequenos, um modelo mixture-of-experts de 26B que usa 3,8 bilhões de parâmetros por token e um modelo denso de 31B. Um quinto tamanho, o 12B "Unified", veio no fim de maio; ele envia patches brutos de imagem e áudio direto ao modelo de linguagem, sem encoders separados.
Todos os tamanhos leem imagens e vídeo (como quadros, até 60 segundos a um quadro por segundo); E2B, E4B e 12B também aceitam até 30 segundos de áudio. Os modelos pequenos têm contexto de 128K tokens, e os de 12B, 26B e 31B têm 256K. Todos têm modo de raciocínio configurável, function calling nativo e papel de sistema, e foram treinados com dados em mais de 140 idiomas, com corte em janeiro de 2025.
É o primeiro lançamento Gemma sob a licença Apache 2.0 padrão, em vez dos termos próprios do Google. O Google também publica versões de 4 bits com quantization-aware training de cada tamanho, e os modelos rodam no Vertex AI, no Cloud Run, no GKE e no Android pelo AICore.
Quanto custa Gemma 4?
| Plano | Preço | O que inclui |
|---|---|---|
| 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 |
Pesos gratuitos sob Apache 2.0. Hospedado no Google Cloud e em terceiros; o OpenRouter lista o 31B a $0,20/$0,40 e o 26B A4B a cerca de $0,08/$0,26 por 1M de tokens.
Gemma 4 vale a pena?
O Gemma 4 é a família aberta a ser batida nos tamanhos que cabem em uma única GPU ou em um celular, e a licença Apache 2.0 elimina a revisão jurídica que segurava os lançamentos Gemma anteriores. No card do próprio Google, o 31B marca 85,2% no MMLU Pro, 84,3% no GPQA Diamond e 80,0% no LiveCodeBench v6, contra 67,6%, 42,4% e 29,1% do Gemma 3 27B. No lançamento, o Google disse que o 31B estava em terceiro entre os modelos abertos no ranking de texto da Arena; essa posição é de abril, e modelos mais novos saíram desde então.
O modelo interessante para a maioria das implantações é o 26B A4B. Ele ativa 3,8 bilhões de parâmetros por token, então roda quase na velocidade de um modelo pequeno e marca 82,6% no MMLU Pro e 88,3% no AIME 2026 sem ferramentas. Seu GGUF de 4 bits com quantization-aware training tem 14,4 GB, o que cabe em uma placa de consumo de 24 GB com espaço para contexto, e o OpenRouter o lista a cerca de $0,08 por milhão de tokens de entrada.
As lacunas estão em contexto longo e agentes. O resultado do próprio Google no MRCR v2 com 128K tokens cai de 66,4% no 31B para 44,1% no 26B, então a janela de 256K só é utilizável no modelo maior, e as pontuações de uso de ferramentas no Tau2, de 68 a 77%, ficam bem abaixo dos agentes de fronteira. O áudio é limitado a 30 segundos e o 26B e o 31B não têm áudio nenhum, então recursos de fala exigem o 12B ou os modelos do tamanho de celular.
O ritmo de lançamentos importa tanto quanto as pontuações. O Google adicionou o 12B, variantes ajustadas para assistente e versões com quantization-aware training para todos os tamanhos em até dois meses após o lançamento, e esses arquivos de 4 bits reduzem o 31B de cerca de 62 GB em BF16 para 17,7 GB com pouco trabalho extra para quem implanta. Essa variedade de arquivos oficiais, de 5,2 GB para o E4B a 17,7 GB para o 31B, é o que permite a uma equipe padronizar uma só família em celular, notebook e servidor.
Onde ele se destaca
Um engenheiro de plataforma que serve um assistente interno em uma GPU de 24 GB
Substituir uma API paga para resumir e rascunhar documentos internos
Rode o GGUF de 4 bits do 26B A4B (14,4 GB mais um arquivo de visão de 1,2 GB) no llama.cpp ou no vLLM. O hardware é o único custo, e a Apache 2.0 significa nada de relatórios de uso nem revisão de licença.
Uma equipe Android em uma fintech de consumo
Classificar recibos e transcrever notas de voz curtas no celular
O E4B pelo AICore lê imagens e até 30 segundos de áudio offline, então os recibos nunca saem do aparelho. Espere precisão menor do que nos modelos maiores: o E4B marca 69,4% no MMLU Pro, contra 85,2% do 31B.
Um head de suporte em uma empresa SaaS de 50 atendentes
Rascunhar as primeiras respostas para um milhão de tickets por mês a baixo custo
Com cerca de 1.000 tokens de entrada e 300 de saída por resposta, o 26B A4B no OpenRouter custa cerca de $150 por mês. O preço hospedado varia por provedor, então confira o que você escolher.
Antes de decidir
- Configuração
- Baixe do Hugging Face e carregue com Transformers, llama.cpp, Ollama ou vLLM; as versões GGUF de 4 bits rodam sem etapa de conversão.
- Integrações
- Function calling nativo e papel de sistema, modo de raciocínio com tokens de controle, versões Transformers e GGUF, Vertex AI, Cloud Run, GKE e Android AICore.
- Dados e privacidade
- Auto-hospedado, então os dados ficam onde você o roda. A Apache 2.0 permite uso comercial e fine-tuning sem teto de receita nem adendo de uso aceitável.
- Custo em escala
- Os pesos são gratuitos. O 31B precisa de cerca de 62 GB em BF16 (uma placa de 80 GB) ou 17,7 GB em 4 bits; o 26B A4B ocupa 14,4 GB, o 12B 7,0 GB e o E4B 5,2 GB em 4 bits. O OpenRouter lista o 31B a $0,20/$0,40 e o 26B A4B a $0,08/$0,26 por 1M de tokens.
- Limites
- Contexto de 128K no E2B e no E4B, 256K nos tamanhos maiores; áudio de até 30 segundos, vídeo de até 60 quadros; corte de conhecimento em janeiro de 2025.
O que é bom
- Licença Apache 2.0
- Cinco tamanhos, do celular (E2B) a uma GPU (31B)
- Versões oficiais de 4 bits: 31B em 17,7 GB, 26B A4B em 14,4 GB
- Entrada de imagem e vídeo em todos os tamanhos
O que não é
- A recuperação em contexto longo cai muito abaixo do 31B
- Sem áudio no 26B e no 31B; limite de 30 segundos de áudio nos demais
- Corte de conhecimento em janeiro de 2025
- Uso de ferramentas em agentes bem atrás dos modelos de fronteira
Ideal para
Desenvolvedores que constroem apps no dispositivo, locais ou de uma só GPU e querem uma licença permissiva e entrada multimodal.
Alternativas ao Gemma 4
Gemma 4: perguntas frequentes
- Gemma 4 vale a pena?
- O Gemma 4 é agora a família aberta padrão abaixo de 32B parâmetros, porque sua licença finalmente está à altura da sua qualidade. Damos nota 4.4 de 5.
- Quanto custa Gemma 4?
- Pesos gratuitos sob Apache 2.0. Hospedado no Google Cloud e em terceiros; o OpenRouter lista o 31B a $0,20/$0,40 e o 26B A4B a cerca de $0,08/$0,26 por 1M de tokens.
- Quais são as desvantagens de Gemma 4?
- A recuperação em contexto longo cai muito abaixo do 31B; sem áudio no 26B e no 31B; limite de 30 segundos de áudio nos demais; corte de conhecimento em janeiro de 2025; uso de ferramentas em agentes bem atrás dos modelos de fronteira.
- Para quem Gemma 4 é indicado?
- Desenvolvedores que constroem apps no dispositivo, locais ou de uma só GPU e querem uma licença permissiva e entrada multimodal.
- Quanto custa Gemma 4 para uma equipe ou em produção?
- Os pesos são gratuitos. O 31B precisa de cerca de 62 GB em BF16 (uma placa de 80 GB) ou 17,7 GB em 4 bits; o 26B A4B ocupa 14,4 GB, o 12B 7,0 GB e o E4B 5,2 GB em 4 bits. O OpenRouter lista o 31B a $0,20/$0,40 e o 26B A4B a $0,08/$0,26 por 1M de tokens.
- Gemma 4 é seguro para dados da empresa?
- Auto-hospedado, então os dados ficam onde você o roda. A Apache 2.0 permite uso comercial e fine-tuning sem teto de receita nem adendo de uso aceitável.
- Quais são as melhores alternativas ao Gemma 4?
- As alternativas mais próximas que analisamos são gpt-oss-20b, Mistral Small 4 e Phi-4-Reasoning-Vision-15B.
Respostas verificadas em 22 de out. de 2026.