Googleが「Gemma 4」を発表。何が新しくなったのか？ ローカルAI・推論・エージェント開発を一気に前進させる新世代モデルを解説

Googleは2026年3月31日、Gemmaファミリーの最新世代として「Gemma 4」を公開した。公式リリースでは、Gemma 4を「これまでで最も高性能なオープンモデル」と位置づけており、単なる軽量モデルではなく、高度な推論やエージェント的なワークフローまで視野に入れた設計になっている。

今回のGemma 4は、E2B、E4B、26B A4B、31Bの4サイズで提供される。小型モデルから大型モデルまで一気に揃えてきたことで、スマホ寄りの軽量実装から、ノートPC、ローカルGPU、開発用ワークステーションまで、かなり広い環境で使い分けしやすくなった。

またGoogleは、Gemma 4がApache 2.0ライセンスで公開されることも案内している。これは、研究用途だけでなく、商用開発や組み込み用途でも扱いやすい点として大きい。さらにGemini API経由でのホスト利用にも対応しており、「ローカル実行」と「API利用」の両方を取りやすい構成になっている。

Gemma 4で特に大きい進化は、まず「推論力の強化」だ。GoogleはGemma 4を、マルチステップの計画や深いロジック処理に対応するモデルとして説明しており、モデルカードでも family 全体が reasoning を重視した設計になっていると明記している。単純なチャット応答だけでなく、考えながら解くタイプの処理に強くなったのがポイントだ。

次に重要なのが、エージェント開発に直結する「function calling」と「structured JSON output」の強化だ。Gemma 4はネイティブにツール利用のライフサイクルを扱えるよう訓練されており、ツール定義、ツール呼び出し、ツール応答のための専用トークンまで用意されている。つまり、外部APIや社内ツールと連携して動くエージェントを、従来より自然に組みやすくなった。

さらにGemma 4は、system ロールをネイティブにサポートする。これにより、開発者は「このAIはどう振る舞うべきか」というルールを、より構造的に与えやすくなった。実務では、社内向けアシスタント、カスタマーサポートAI、業務フロー自動化などで制御性がかなり重要なので、この改善は地味に大きい。

マルチモーダル対応も今回の目玉だ。Googleの公式説明では、全モデルが画像と映像を扱え、可変解像度にも対応する。さらにE2BとE4Bは音声入力もネイティブ対応となっている。文章だけでなく、画像OCR、図表理解、音声理解まで1つの系列で扱えるので、スマホアプリ、現場入力、議事録、画像解析などのユースケースに広がりが出る。

コンテキスト長も伸びている。小型モデルは128K、中型モデルは256Kのコンテキストウィンドウに対応すると案内されており、長文のドキュメント処理や複数資料を跨いだ参照、長めの会話履歴保持にも向きやすくなった。軽量モデルでここまで長い文脈を扱えるのは、実装上かなり魅力がある。

加えてGoogleは、Gemma 4の31BモデルがArena系のオープンモデル評価で上位に入っていることも強調している。ベンチマークの見方には注意が必要だが、少なくともGoogleとしては「ただ軽いだけではなく、サイズ対性能の効率がかなり高いモデル」として打ち出している。

Gemma 4は4サイズ展開だが、実運用では「どれを使うか」がかなり重要になる。公式ドキュメントによると、E2Bは16-bitで約9.6GB、8-bitで約4.6GB、4-bit量子化では約3.2GBの推論メモリが目安とされている。E4Bは4-bitで約5GBなので、軽量なローカル実行を狙うならまずこの2つが中心候補になる。

一方で、より強い性能を求める場合は31Bや26B A4Bが候補になる。31BはDense、26B A4BはMoE系で、どちらもノートPC向けというよりは、ローカルGPUやワークステーション寄りだ。Googleも、E2B/E4Bはモバイルやエッジ、31B/26B A4BはコンシューマGPUや開発ワークステーション向けという整理を示している。

つまり、スマホや省メモリ環境で「そこそこ賢いローカルAI」を目指すならE2B/E4B、本格的なコーディング支援や高品質な推論、重めのエージェント処理まで狙うなら31Bや26B A4Bという住み分けになる。Gemma 4の良さは、この幅が最初から明確に用意されている点にある。

Gemma 4が注目される理由は、性能向上そのものだけではない。より本質的には、「ローカルで実用的なAI」のラインを一段押し上げたことにある。Googleは小型モデルを、モバイルやラップトップ上で効率よく動かすことを前提に設計したと説明しており、高性能なクラウドAIだけでなく、端末内AIの現実味を強めている。

特にE2Bが4-bit量子化で約3.2GB、E4Bが約5GBという数字は、スマホや小型デバイスでの利用可能性を想像しやすい。もちろん、実際の快適さは推論エンジンやNPU/GPU、発熱、OS制約にも左右されるが、「小さいのに、推論・音声・画像・ツール利用まで視野に入る」というのは、かなり大きな変化だ。

また、Gemma 4はGoogleのGemini APIからも利用できる。これは逆に言えば、開発初期はAPIで試し、後でローカルや専用環境に落とす、といった段階的な導入がしやすいということでもある。ローカルAIとクラウドAIの二択ではなく、両方を行き来しやすい設計になっているのは実務上かなり使いやすい。

開発者にとってのGemma 4の価値は、「軽いモデルが出た」ことよりも、「ローカル寄りでもエージェント設計がしやすくなった」ことにある。function calling、system instructions、thinking mode、長いコンテキスト、マルチモーダル入力が揃ったことで、単発チャットではなく、業務フローに組み込めるAIを作りやすくなった。

例えば、現場写真を読み取って内容を整理する業務支援、音声入力から要約や分類を行う社内ツール、商品画像や資料を参照しながら回答する接客AIなどは、Gemma 4の特性と相性がいい。特に「外に出したくないデータを、できるだけ手元で処理したい」という需要は今後も強いため、Gemma 4のような開放的かつ高性能なモデルは採用候補に入りやすい。これは公式資料から直接書かれているわけではなく、公開された機能群から見た実務的な推論だ。

事業者目線では、API費用に依存しすぎず、用途によってローカル推論や専用環境を組み合わせられるのも大きい。特に小型モデルの性能が上がるほど、「全部を巨大クラウドモデルに投げる」設計から、「軽い処理は手元・重い処理だけクラウド」という最適化が進みやすくなる。Gemma 4は、その分岐点をさらに前へ進めたモデル群と見ていい。これはGoogleの公式な将来予測ではなく、公開されたモデル設計と提供形態からの整理だ。