Gemma 4とは?使い方・性能比較・5モデルの選び方を解説【2026年最新】

この記事のポイント
Gemma 4は、Googleが無料で公開しているオープンモデルです。Apache 2.0なので商用利用もできます。6月に追加された12Bを含む5モデルの性能とメモリ目安、料金、使い方、Llama 4などとの違いを、2026年10月時点の公式情報で整理しました。
Gemma 4(ジェマ 4)は、Google DeepMindが2026年4月2日(米国時間)に発表したオープンモデルです。重みを無料でダウンロードでき、商用でも使えます。公式は「Gemini 3の研究と技術をもとにした、最も賢いオープンモデル」と位置づけています。テキストに加えて画像・音声・動画を読み取れるほか、関数呼び出しを使ったエージェント処理にも対応しています。
2026年10月時点のラインアップは、6月に追加された「12B」を含めて5モデルです。Gemmaシリーズ全体の累計ダウンロード数は、8月に10億回を超えました。
GemmaとGeminiの違い、5モデルの性能と必要メモリ、料金、Ollamaなどでの使い方、Llama 4やQwenとの違いを、2026年10月時点の公式情報をもとに整理しました。「GemmaとGeminiの違いがわからない」「どのサイズを選べばいいか知りたい」「自社のPCやサーバーで動くか確かめたい」という方に向けた記事です。
GemmaとGeminiの違い

GeminiはGoogleがクラウドで提供するAIサービスです。Gemmaは重みをダウンロードし、自分のPCやサーバーで動かせるオープンモデルです。名前は似ていますが、使い方もデータの扱いも違います。
項目 | Gemini | Gemma 4 |
|---|---|---|
提供形態 | Googleのクラウドサービス(Webアプリ・API) | ダウンロードして使えるオープンモデル |
実行環境 | Googleのサーバー | 自分のPC・サーバー・スマホ(クラウドでも可) |
料金 | 従量課金(API)/無料枠あり | モデル自体は無料 |
データの扱い | Googleにデータが送られる | 自前の環境で動かせば外部に出ない |
カスタマイズ | API経由の利用が中心 | ファインチューニング・改変が自由 |
ライセンス | プロプライエタリ(非公開) | Apache 2.0(商用利用・再配布可) |
GeminiはGoogleが運営するAIサービス、Gemmaは同じ研究をもとに作られた「持ち帰って自由に使えるAIモデル」と考えるとわかりやすいでしょう。
スマホに組み込まれる「Gemini Nano」との関係も押さえておくと混乱しません。Androidの開発者向けブログ(2026年4月2日)によると、Gemma 4は次世代のGemini Nano 4の土台です。Gemma 4のE2B・E4B向けに書いたコードは、Gemini Nano 4を搭載した端末でもそのまま動くと説明されています。Gemini本体の機能や料金は「Geminiとは」で詳しく解説しています。
Gemma 4でできること

Gemma 4ができるのは、テキストの生成と推論、画像・音声・動画の内容理解、外部ツールを呼び出すエージェント処理です。出力はテキストだけで、画像や音声は作れません。
テキスト処理
- 推論・数学: 31Bは数学のAIME 2026(ツールなし)で89.2%、科学のGPQA Diamondで84.3%(公式・思考モード)
- コード生成・レビュー: 31BはLiveCodeBench v6で80.0%、Codeforces ELOで2150
- 多言語: 事前学習は140以上の言語、すぐ使える水準なのは35以上の言語(モデルカード)。日本語も含まれます
- 長い文脈: E2B・E4Bは128K、12B・26B A4B・31Bは256Kトークンまで扱えます
マルチモーダル処理
- 画像理解: 物体の識別、OCR(文字読み取り)、図表の説明。縦横比や解像度が違う画像にも対応
- 動画理解: 現行のモデルカードでは全モデルが動画をフレームの連続として処理できます(最大60秒、1秒1フレーム)
- 音声理解: 文字起こしや音声への質問応答。対応はE2B・E4B・12Bの3モデルで、1回最大30秒です。26B A4Bと31Bは音声に対応していません
エージェント機能
- 関数呼び出し(Function Calling): 外部のAPIやツールを呼んで情報を取得・操作できます。ネイティブ対応です
- systemロール: システムプロンプトでの指示に対応しています
- 思考モード(Thinking): 全モデルで切り替えられます。ローカルではチャットテンプレートの
enable_thinking=True(またはシステムプロンプト先頭の<|think|>)、Gemini APIではthinking_level="high"で有効になります
AIエージェントの考え方そのものは「AIエージェントとは」で詳しく解説しています。
できないこと
- 画像・音声・動画の生成: 入力は理解できますが、出力はテキストだけです
- 最新情報の取得: 学習データは2025年1月まで。単体ではWeb検索もしないため、新しい情報を扱うにはRAG(検索拡張生成)や検索ツールとの連携が必要です
- 長い音声・動画の一括処理: 音声は30秒、動画は60秒が上限です。長い会議録音などは分割して入力します
Gemma 4のモデルラインアップと選び方

Gemma 4は2026年10月時点で5モデルです。スマホ向けのE2B・E4B、ノートPC向けの12B、GPU1枚で動かしやすい26B A4B、最高性能の31Bと、動かす機器に合わせて選べます。各モデルには、事前学習版(-pt)と指示チューニング版(-it)があります。チャットや業務で使うなら、通常は-it版を選びます。
モデル一覧(2026年10月時点)
モデル | 構造 | パラメータ数 | コンテキスト長 | 入力 | 主な想定環境 |
|---|---|---|---|---|---|
E2B | Dense(PLE) | 実効2.3B(埋め込み込み5.1B) | 128K | テキスト・画像・音声・動画 | スマホ・Raspberry Pi・Jetson Nano |
E4B | Dense(PLE) | 実効4.5B(埋め込み込み8B) | 128K | テキスト・画像・音声・動画 | スマホ・軽いノートPC |
12B Unified | Dense(エンコーダなし) | 11.95B | 256K | テキスト・画像・音声・動画 | メモリ16GB前後のノートPC |
26B A4B | MoE | 総25.2B/動作時3.8B | 256K | テキスト・画像・動画 | コンシューマーGPU・Mac |
31B | Dense | 30.7B | 256K | テキスト・画像・動画 | ハイエンドGPU・クラウド |
出典: Gemma 4 モデルカード(Google AI for Developers)
E2B・E4Bの「E」は実効(effective)パラメータを表します。PLE(層ごとの埋め込み)という仕組みで、実際に計算に使う量を小さく抑えています。26B A4BはMoE(専門家混合)構造で、1トークンの処理に使うのは約4B分です。ただし読み込むのは26B分すべてなので、必要メモリは軽くなりません。速く動くのが利点です。
2026年6月追加の「12B Unified」
12B Unifiedは2026年6月3日に追加された中型モデルです。画像や音声を読み取る専用のエンコーダを持たず、画像の断片や生の音声を、テキストと同じ空間に直接取り込みます。中型のGemmaで音声入力にネイティブ対応したのは12Bが初めてです。
Googleの公式ブログによると、VRAMまたはユニファイドメモリが約16GBのノートPCで動かす想定です。メモリ使用量は26B A4Bの半分以下で、性能は26B A4Bに近いとされています。「ノートPC1台で、音声も含めてそこそこ賢いモデルを動かしたい」という用途に合います。構造や性能の詳細は「Gemma 4 12Bとは」で解説しています。
必要メモリの目安(公式)
モデル | BF16(非量子化) | 8bit(SFP8) | 4bit(Q4_0) | スマホ向け |
|---|---|---|---|---|
E2B | 11.4GB | 5.7GB | 2.9GB | 1.1GB(テキストのみ0.84GB) |
E4B | 17.9GB | 8.9GB | 4.5GB | 2.5GB(テキストのみ2.2GB) |
12B | 26.7GB | 13.4GB | 6.7GB | - |
26B A4B | 57.7GB | 28.8GB | 14.4GB | - |
31B | 69.9GB | 34.9GB | 17.5GB | - |
出典: Gemma 4 概要ページ(Google AI for Developers)
この数値は重みを読み込むのに必要な量です。読み込み時のオーバーヘッド(約20%)は含みますが、長い文脈を保持するKVキャッシュの分は入っていません。長文を扱うなら、表の数値に数GB以上の余裕を見てください。
手持ちのメモリから選ぶ目安
公式のメモリ表から逆算した目安です。GPUのVRAM、またはMacのユニファイドメモリの量で考えます。OSやほかのアプリもメモリを使うため、余裕を持たせています。
使えるメモリ | 現実的な選択肢 | 使い道の目安 |
|---|---|---|
8GB | E2B・E4B(4bit) | 文章の下書き・要約・簡単な画像質問ならこれで十分 |
16GB | 12B(4bit)、E4B(8bit) | 12Bの公式想定。音声も扱える中型モデルを試す最短ルート |
24GB | 26B A4B(4bit)、31B(4bit・短めの文脈) | 26B A4Bは動作が速い。31Bは長文を入れると窮屈 |
32〜48GB | 31B(4bit)、26B A4B(8bit) | 長めの文脈でも余裕が出る |
64GB以上 | 31B(8bit) | 精度を落としにくい8bitで最上位モデルを使える |
80GB級GPU・複数GPU | 26B A4B・31B(BF16) | 非量子化での運用。個人よりサーバー・クラウド向け |
Apple Silicon搭載のMacは、ユニファイドメモリをGPUと共用できます。MLXやOllamaのMLX版を使うと効率よく動きます。
用途別おすすめモデル
用途 | おすすめモデル | 理由 |
|---|---|---|
スマホ・Raspberry Piでのオフラインチャット | E2B | スマホ向け形式なら約1.1GBで動く。応答が速い |
ノートPCでの文章作成・要約・音声の文字起こし | E4B または 12B | E4Bは軽さ重視、12Bは性能重視。どちらも音声に対応 |
社内文書の分析・長文処理 | 26B A4B または 31B | 256Kの文脈。長文の精度を重視するなら31B |
高い精度のコード生成・研究開発 | 31B | 公式ベンチマークで最も高いスコア |
応答速度を重視したAPIサーバー | 26B A4B | 動作時3.8BのMoEで、31Bより軽快に動く |
ベンチマーク比較(公式・5モデル)
項目 | 31B | 26B A4B | 12B | E4B | E2B | 参考: Gemma 3 27B |
|---|---|---|---|---|---|---|
MMLU Pro(知識・推論) | 85.2% | 82.6% | 77.2% | 69.4% | 60.0% | - |
AIME 2026(数学・ツールなし) | 89.2% | 88.3% | 77.5% | 42.5% | 37.5% | 20.8% |
LiveCodeBench v6(コード) | 80.0% | 77.1% | 72.0% | 52.0% | 44.0% | 29.1% |
GPQA Diamond(科学) | 84.3% | 82.3% | 78.8% | 58.6% | 43.4% | 42.4% |
MRCR v2 128K(長文検索) | 66.4% | 44.1% | 43.4% | 25.4% | 19.1% | - |
τ2-bench Retail(ツール利用) | 86.4% | 85.5% | 未掲載 | 57.5% | 29.4% | 6.6% |
出典: Gemma 4 モデルカード(指示チューニング版・思考モード)
26B A4Bは多くの項目で31Bに迫ります。ただし長文から情報を探すMRCR v2では、31Bとの差が20ポイント以上あります。12Bは、数学やコードでE4Bを大きく上回り、26B A4Bに近い位置にいます。
Gemma 4の強み
とくに大きい強みは、商用で自由に使えるライセンス、パラメータ数のわりに高い性能、スマホからサーバーまで同じ系列で揃うことの3点です。データを外に出さない運用や、エージェント機能、高速化の手段も実務で役立ちます。
1. 無料・Apache 2.0ライセンス
Gemma 4はApache 2.0ライセンスで公開されています。商用利用・改変・再配布にライセンス料はかかりません。Gemma 3までは独自の「Gemma利用規約」でしたが、Gemma 4で一般的なオープンソースライセンスに切り替わりました。企業が自社製品に組み込むときの法務確認が楽になった点は大きな変化です。
2. パラメータ数のわりに性能が高い
発表時点(2026年4月2日)のArena AI(テキスト)では、31Bがスコア1452でオープンモデル3位、26B A4Bが1441でした。前世代のGemma 3 27Bは1365です。ローカルで動かせるサイズのまま、発表時点でオープンモデルの上位に入る性能を出しています。順位は日々変わるため、最新の位置づけはArenaのサイトで確認してください。
3. スマホやエッジ機器でも動く
E2Bはスマホ向け形式で約1.1GB(テキストのみなら0.84GB)で動きます。2026年7月には、Pixel 10シリーズのTensor G5向けに「Gemma 4 E2B for TPU」が提供されました。オフラインでのチャット、画像についての質問、音声の文字起こしに使われています(9to5Google)。
4. 自前の環境ならデータを外に出さずに使える
自社のPCやサーバーで動かす限り、入力データはGoogleにも外部にも送られません。個人情報や機密を扱う医療・金融・法務の現場で、「AIは使いたいがデータを外に出せない」という課題を解決しやすくなります。
5. エージェント機能をネイティブサポート
関数呼び出しとsystemロールにモデル側で対応しています。ツール利用の評価τ2-bench Retailでは、31Bが86.4%、26B A4Bが85.5%で、Gemma 3 27B(6.6%)から大きく伸びました。外部ツールと連携する業務フローを組みやすいモデルです。
6. 高速化の手段と実行環境がそろっている
2026年4月に、MTP(Multi-Token Prediction)ドラフターが公開されました。小さな下書きモデルが数トークン先を予測し、本体がまとめて検証する仕組みです。Googleは出力の品質を変えずに最大3倍速くなると説明しています。ただし26B A4Bは、1件ずつ処理する使い方(バッチサイズ1)では速くならない場合があります。
4bitでも精度が落ちにくいQAT(量子化を意識した学習)版の重みも、Hugging FaceとKaggleで配布されています。実行環境もOllama、LM Studio、llama.cpp、MLX、Transformers、vLLM、SGLang、Keras、Unslothなどに広く対応しています。
7. 普及の規模が大きい
Google DeepMindによると、2026年8月にGemmaシリーズ全体の累計ダウンロード数が10億回を超え、派生モデルは10万を超えました(ITmedia AI+、The Next Webなど)。この数字にはAndroidやChromeに組み込まれた分は含まれていません。Gemma 4単体では、6月の12B発表時点で1億5,000万ダウンロードを超えています。利用者が多いので、量子化版や日本語の解説、トラブル事例を探しやすいのも実務上の利点です。
Gemma 4の弱み・注意点
とくに影響が大きいのは、大型モデルに必要なメモリの多さ、テキストしか出力できないこと、長文での精度差の3つです。音声対応の範囲やGemini APIでの提供条件も、導入前に確認しておきましょう。
1. 大型モデルには高性能GPUが必要
31Bを非量子化(BF16)で動かすには、重みだけで約70GBが必要です。26B A4Bでも約58GBかかり、長い文脈を使えばKVキャッシュの分がさらに上乗せされます。個人のPCでは4bitなどの量子化が前提です。量子化すると精度が少し落ちるため、QAT版を選ぶと影響を抑えられます。
2. 出力はテキストのみ
画像・音声・動画は入力として理解できますが、出力はすべてテキストです。画像生成や音声合成が必要なら、別のモデルやツールと組み合わせます。
3. 長い文脈での精度に差がある
MRCR v2(128K)では、31Bが66.4%なのに対し、26B A4Bは44.1%、12Bは43.4%です。長い契約書や大量の議事録をまとめて読ませる用途では、31Bを選ぶか、文書を分割してRAGで必要な部分だけを渡す設計が向いています。
4. 音声・動画対応がモデルによって異なる
動画(フレーム処理)は全モデルが対応しています。音声入力はE2B・E4B・12Bだけで、26B A4Bと31Bは音声を受け付けません。音声と動画の両方を1モデルで扱うなら、E2B・E4B・12Bのいずれかを選びます。また、Ollamaのライブラリページでは入力が「Text, Image」と表記されています。Ollama経由で音声を使えるかは、使う前に確認してください。
5. リアルタイム情報の取得不可
学習データは2025年1月までです。最新のニュースや社内の新しい資料は、RAGや検索ツールで渡す必要があります。社内文書の検索に使う埋め込みモデルは、同じGemma系列の「EmbeddingGemma 2とは」が参考になります。
6. 日本語テキストの公式ベンチマークは未公表
2026年7月公開のテクニカルレポートには、日本語の音声評価があります。日本語音声の文字誤り率(FLEURS CER)はE4Bで0.078、12Bで0.080です。日本語から英語への音声翻訳(CoVoST BLEU)は12Bで26.4でした。いずれも前世代のGemma 3n E4Bより改善しています。
一方、JGLUEのような日本語テキストのベンチマークは、2026年10月時点で公式に公表されていません。ネットで見かける「日本語MMLU○%」といった数値には出典が不明なものもあります。日本語の品質は、自社の実データで試して確かめるのが確実です。
7. Gemini APIでは有料枠がない
Gemini API(Google AI Studio)でGemma 4を使うと無料ですが、公式の料金ページでは、有料枠が「Not available」になっています。提供されるモデルも31Bと26B A4Bの2つだけです。大量の本番処理をGemini API上のGemma 4に載せる設計は立てにくいため、本番運用は自前のサーバーかクラウドで動かす前提で考えます。
Gemma 4の料金
モデル自体は無料です。かかるのは、動かすためのハードウェア代かクラウドの利用料です。どの経路を選ぶかで、費用だけでなくデータの送り先も変わります。
利用方法 | 費用 | 使えるモデル | データの送り先 | 本番運用 |
|---|---|---|---|---|
ローカル実行(自分のPC・サーバー) | 無料(ハードウェア・電気代のみ) | 全モデル | 外部に出ない | 可(自社で運用) |
Google AI Studio/Gemini API | 無料枠のみ(有料枠なし) | 31B・26B A4B | 大量処理には不向き | |
Google Cloud(Model Garden・Cloud Run・GKE) | GPU時間などの従量課金 | 全モデル(自分でデプロイ) | 自社のGoogle Cloud環境 | 可 |
Amazon Bedrock | Bedrockの従量課金 | 31B・26B A4B・E2B | 自社のAWS環境 | 可(東京リージョンの記載なし) |
Hugging Face・Kaggle | 無料(ダウンロード) | 全モデル | - | ダウンロード元 |
- Gemini API: 対応モデルIDは
gemma-4-31b-itとgemma-4-26b-a4b-itです。無料枠では、データの扱いが有料枠と異なる場合があります。業務データを入れる前に、Gemini APIの利用規約を確認してください - Google Cloud: Cloud RunではvLLMのコンテナでGPUにデプロイでき、使わないときはインスタンスを0台まで減らせます。トークン単価の公式表示はなく、GPUの利用時間で費用が決まります。新規顧客向けの300ドル分の無料クレジットもあります
- Amazon Bedrock: 2026年6月10日に提供が始まりました。リージョンは米国東部(バージニア北部・オハイオ)、米国西部(オレゴン)、欧州(フランクフルト)で、2026年10月時点で東京の記載はありません。データを国内に置く必要があるなら注意が必要です
- OpenRouterなどの外部API: 単価は事業者ごとに頻繁に変わるため、各サービスの料金ページで確認してください
ライセンス料は、商用利用でもかかりません。自社製品への組み込みや派生モデルの再配布もできます。ただし再配布するときは、ライセンス文と著作権表示を残す必要があります。また、Apache 2.0は「Gemma」「Google」の商標を使う権利までは与えません。派生モデルの名前の付け方には注意してください。
Gemma 4の使い方

手軽な順に、Ollama(ローカル)、Google AI Studio(ブラウザ)、Hugging Face Transformers(Python)の3つを紹介します。
方法1: Ollamaでローカル実行(最も手軽)
Ollamaは、ローカルでLLMを動かすためのツールです。インストールしてコマンドを1行打つだけでGemma 4が動きます。Ollama自体の使い方は「Ollamaとは」で詳しく解説しています。
# Ollamaのインストール(macOS / Linux)
curl -fsSL https://ollama.com/install.sh | sh
# 既定のGemma 4(E4B相当)を実行
ollama run gemma4
# サイズを指定して実行
ollama run gemma4:e2b # 軽量・スマホ級
ollama run gemma4:12b # メモリ16GB前後のノートPC向け
ollama run gemma4:26b # MoE。24GB級のGPU・Mac向け
ollama run gemma4:31b # 最上位モデルダウンロードサイズの目安は、e2bが4.6〜7.5GB、e4bが6.6〜9.5GB、12bが7.7〜8.0GB、26bが16〜19GB、31bが19〜20GBです(量子化の種類で変わります)。PCのスペックが足りない場合は、Ollamaのクラウド版タグ(gemma4:cloud など)もあります。ただしこの場合、処理は手元ではなくOllamaのクラウドで行われます。
方法2: Google AI Studioで試す(インストール不要)
Google AI Studio のモデル選択で gemma-4-31b-it または gemma-4-26b-a4b-it を選ぶと、ブラウザ上で無料で試せます。ハードウェアを準備する前に、性能や日本語の出来を確かめたいときに便利です。APIから呼ぶ場合は、AI StudioでAPIキーを発行します。
AI Studioに入力した内容はGoogleに送られます。機密情報は入れず、公開して問題ないデータで試してください。
方法3: Hugging Face Transformersで実行
Pythonから細かく制御したいときは、Hugging Face Transformersを使います。以下はテキストだけを扱う最小限の例です。
from transformers import AutoTokenizer, AutoModelForCausalLM
model_id = "google/gemma-4-31B-it"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")
messages = [{"role": "user", "content": "Gemma 4の特徴を3行で教えてください"}]
inputs = tokenizer.apply_chat_template(
messages,
add_generation_prompt=True,
enable_thinking=False, # Trueで思考モード
return_tensors="pt",
).to(model.device)
outputs = model.generate(inputs, max_new_tokens=512, do_sample=True,
temperature=1.0, top_p=0.95, top_k=64)
print(tokenizer.decode(outputs[0][inputs.shape[-1]:], skip_special_tokens=True))サンプリングの設定(temperature=1.0、top_p=0.95、top_k=64)は、モデルカードの推奨値です。画像・音声を入力する場合や、ライブラリの版によって書き方が変わる場合があります。最新のコード例はHugging Faceのモデルカードで確認してください。
その他の実行方法
- LM Studio: GUIで操作できるローカル実行アプリ。コマンド操作が苦手な人向け
- llama.cpp: GGUF形式の量子化版をCPUやGPUで動かせる
- MLX: Apple Silicon(M1以降)向けのフレームワーク
- vLLM / SGLang: サーバーで多数のリクエストをさばく用途
- LiteRT-LM / Google AI Edge Gallery: Android・iOS端末で動かす用途
- AICore(Android): ML KitのPrompt API経由でE2B・E4Bを使う開発者向けプレビュー
- Unsloth / Keras / Transformers: ファインチューニング用
このツールを自社のシステムや業務にどう組み込むか、ご提案します
初回相談は無料・30分(オンライン)。要件が決まっていなくても大丈夫です。改修100万円〜・PoC300万円〜(税別)
Gemma 3からの進化ポイント
Gemma 4は、前世代のGemma 3から数学・コード・ツール利用の性能が大きく伸びました。ライセンスがApache 2.0になったことも大きな変化です。
比較項目 | Gemma 3(27B) | Gemma 4(31B) |
|---|---|---|
数学(AIME 2026・ツールなし) | 20.8% | 89.2% |
コード(LiveCodeBench v6) | 29.1% | 80.0% |
科学(GPQA Diamond) | 42.4% | 84.3% |
ツール利用(τ2-bench Retail) | 6.6% | 86.4% |
Arena AI テキスト(2026年4月時点) | 1365 | 1452 |
ライセンス | Gemma利用規約(独自) | Apache 2.0 |
音声入力 | 非対応 | E2B・E4B・12Bで対応 |
エージェント機能 | 限定的 | 関数呼び出し・systemロールにネイティブ対応 |
MoEモデル | なし | 26B A4B(動作時3.8B/総25.2B) |
最大コンテキスト | 128K | 256K |
出典: Gemma 4 モデルカード、Google DeepMind
とくに差が大きいのは、ツール利用(6.6%→86.4%)と数学(20.8%→89.2%)です。Gemma 3は「軽い対話や要約向け」の位置づけでしたが、Gemma 4は外部ツールと組み合わせた業務処理にも使える水準になりました。
Gemma 4の最新アップデートと普及状況
発表から半年で、12Bの追加、高速化の仕組み(MTP)、AWSでの提供開始などが続きました。2026年10月時点で確認できた主な動きは次のとおりです。
時期 | 内容 |
|---|---|
2026年4月2日 | Gemma 4発表(E2B・E4B・26B A4B・31B)。Apache 2.0で公開。Gemini Nano 4の土台と発表 |
2026年4月16日 | MTPドラフター公開(最大3倍の高速化。Google公式ブログで5月に解説) |
2026年6月3日 | 12B Unifiedを追加し5モデル体制に。Gemma 4単体で1億5,000万ダウンロード超 |
2026年6月10日 | Amazon Bedrockで31B・26B A4B・E2Bの提供開始 |
2026年7月2日 | テクニカルレポート公開(arXiv:2607.02770) |
2026年7月14日 | Pixel 10シリーズ向け「Gemma 4 E2B for TPU」提供(9to5Google) |
2026年8月20日 | Gemmaシリーズ全体で累計10億ダウンロード突破、派生モデル10万超 |
10億ダウンロードはGemmaシリーズ全体の数字で、内訳は公表されていません。同じ時期に、AlibabaはQwenシリーズで30億ダウンロードと主張しています。ただしHugging Faceの独自集計とは差があり、数字だけで単純に比べることはできません(The Next Web)。
2026年10月15日時点で、Gemma 4の新しいサイズや後継モデル(Gemma 5など)の公式発表は確認できていません。Gemma系列の派生モデルとしては、拡散方式でテキストを生成する「Diffusion Gemmaとは」もあわせて参考にしてください。
競合オープンモデルとの比較

Gemma 4のおもな競合は、MetaのLlama 4とAlibabaのQwenシリーズです。Gemma 4が優位なのは、ライセンスの扱いやすさ、小型モデルでの音声対応、スマホからサーバーまでサイズがそろっている点です。超長文の処理ではLlama 4 Scoutに分があります。
主要オープンモデル比較表
比較項目 | Gemma 4(31B) | Llama 4 Scout | Qwenシリーズ(3.8世代など) |
|---|---|---|---|
開発元 | Google DeepMind | Meta | Alibaba Cloud |
パラメータ数 | 30.7B(Dense) | 総109B(動作時17B・MoE) | モデルにより多様 |
ライセンス | Apache 2.0 | Llama 4 Community License(条件付き) | モデルごとに確認が必要 |
コンテキスト長 | 256K | 10M | モデルにより異なる |
画像入力 | 対応 | 対応 | 対応モデルあり |
音声入力 | 小型・中型で対応(E2B・E4B・12B) | 非対応 | 対応モデルあり(個別に確認) |
スマホ級の小型版 | あり(E2B:約1.1GB〜) | なし(大型が中心) | あり |
商用利用 | 自由(Apache 2.0の条件内) | 条件付き | モデルごとに確認 |
Qwenは世代やモデルごとにライセンスや対応機能が変わります。Qwen側の性能値は、各公式のモデルカードで同じ条件のものを確認してください。最新世代の詳細は「Qwen 3.8とは」、Llama 4は「Llama 4 Scoutとは」で解説しています。
選び方の目安
- ライセンスの扱いやすさを重視するなら: Gemma 4(Apache 2.0で条件が明確)
- ノートPCやスマホで音声も扱いたいなら: Gemma 4のE4Bか12B
- 数百万トークン級の超長文を一度に扱いたいなら: Llama 4 Scout
- ローカルで高いコード性能がほしいなら: Gemma 4 31B。Qwenのコーディング特化モデルも候補になります
- エッジ機器で動かしたいなら: Gemma 4 E2B
オープンモデルだけでなく、ChatGPTやClaudeなどのクラウド型も含めて比べたい方は「生成AIツールおすすめ比較」を参考にしてください。
ローカルAIとしてのメリット(日本企業向け)

日本企業にとっての一番のメリットは、社内のサーバーやPCだけでAIを動かせることです。データの持ち出しやAPI費用の心配が減ります。一方で、セキュリティ対策や法令対応は自社の責任で行う必要があります。
データを外部に出さずに処理できる
自社の環境で動かせば、入力したデータはGoogleを含む外部のサーバーに送られません。顧客の個人情報や、NDA(秘密保持契約)の対象になっている資料の分析にも使いやすくなります。ただし、AI StudioやBedrock、Ollamaのクラウド版を使う場合はデータが事業者に送られます。「ローカルなら安全」が当てはまるのは、自前の環境で動かしたときだけです。
オフライン環境でも動作する
インターネットにつながなくても動くため、工場や研究施設、医療現場など、ネット接続が制限された場所でもAIを使えます。
クラウドAPIの従量課金が発生しない
モデル自体は無料なので、かかるのはハードウェア代と電気代、運用の手間です。大量のリクエストを毎日処理する業務では、クラウドAPIの従量課金より長期的に安くなる場合があります。逆に、利用量が少ないうちは、GPUサーバーの購入・保守費用のほうが高くつくこともあります。
ファインチューニングで自社業務に合わせられる
Apache 2.0なので、自社の業務データで追加学習(ファインチューニング)し、特定の作業に特化したモデルを作れます。Hugging Face Transformers、Keras、Unsloth、Tunixなどが対応しています。
自社システムに組み込むときの考え方
Gemma 4を業務で使うなら、チャット画面で試すだけでなく、社内の文書管理や基幹システムとAPIでつなぐのが本番の形になります。既存の業務システムにAIを組み込む方法と、費用の目安は「既存システムにAIを組み込む方法」で整理しています。
ローカル運用のセキュリティ注意点
- 非公式の改変モデルを安易に読み込まない: 2026年4月、推論サーバーのSGLangで、悪意あるGGUFファイルのチャットテンプレートを通じて外部からコードを実行される脆弱性(CVE-2026-5760)が報告されました(Cloud Security Alliance)。Gemma 4自体の欠陥ではありませんが、重みはGoogle公式や信頼できる配布元から入手し、推論ソフトは最新版に保ちます
- エージェントに渡す権限を絞る: 関数呼び出しでファイル操作や外部送信をさせる場合、プロンプトインジェクションで意図しない操作をされる恐れがあります。ツールごとに権限を最小限にし、重要な操作には人の承認を挟みます
- 独自の安全対策を足す: モデルカードは、開発者に独自の安全対策の追加、偏りの監視、各国のプライバシー規制への準拠を求めています。事実と違う内容や古い情報を出力する可能性もあると明記されています
2026年10月時点では、Gemma 4固有の重大な脆弱性の報告は見つかっていません。
注意すべき法的事項
ローカルで動かす場合でも、次の規制には対応が必要です。
- 医療用途: 診断の補助などに使う場合、薬機法の医療機器プログラム(SaMD)規制や厚生労働省のガイドラインに沿う必要があります
- 個人情報の処理: 個人情報保護法に基づき、利用目的の特定や安全管理措置が必要です
- EU向けサービス: EUのAI法(AI Act)などの規制に注意します
- Googleのポリシー: Apache 2.0で自由度は高いものの、Gemmaのドキュメントは禁止用途ポリシーにもリンクしています。用途によっては内容を確認しておくと安心です
こんな方におすすめ
Gemma 4がおすすめの人
- データを外部に出したくない企業・組織: 機密情報や個人情報を扱う業務でAIを使いたい
- 自社製品にAIを組み込みたい開発者: Apache 2.0で商用利用・再配布の条件が明確
- ノートPC1台でマルチモーダルAIを試したい人: 12Bならメモリ16GB前後で、画像・音声・動画を扱える
- エッジ機器やスマホアプリにAIを載せたいエンジニア: E2Bはスマホ向け形式で約1.1GB。Gemini Nano 4との互換性もある
- API費用を抑えたい、または予測しやすくしたいチーム: 処理量が多いほどローカル運用のコスト面のメリットが大きい
- エージェント処理を自社環境で作りたい人: 関数呼び出しにネイティブ対応し、ツール利用の評価も高い
Gemma 4をおすすめしない人
- 環境構築なしでAIを使いたい人: ChatGPTやGeminiのようなWebサービスのほうが手軽です
- 画像生成や音声合成が必要な人: Gemma 4の出力はテキストだけです
- 常に最新情報をもとに答えてほしい人: 学習データは2025年1月までで、単体ではWeb検索をしません
- 日本語テキストの品質を数値で確かめてから決めたい人: 日本語テキストの公式ベンチマークがないため、自社データでの検証が必要です
- GPUやサーバーの管理に時間をかけられない人: ローカル運用には機器の準備・更新・セキュリティ対策が伴います
- Gemini APIで大量処理を従量課金で回したい人: Gemma 4には有料枠がありません。Gemini本体のモデルを使うほうが現実的です
よくある質問(FAQ)
Q1. GemmaとGeminiは何が違うの?
GeminiはGoogleが運営するクラウドのAIサービスで、WebアプリやAPIから使います。Gemmaは同じ研究をもとに作られたオープンモデルで、重みをダウンロードして自分の環境で動かせます。Gemmaは、自前の環境で動かせばデータを外部に送らずに済みます。Geminiは、Googleが運用する高性能なモデルを手間なく使える点が利点です。
Q2. 本当に無料で使えるの?
モデル自体は無料です。Apache 2.0なので、商用利用や改変・再配布にもライセンス料はかかりません。かかるのは、ローカルで動かす場合のハードウェア代と電気代、Google CloudやAmazon Bedrockで動かす場合の従量課金です。Google AI Studio(Gemini API)では31Bと26B A4Bを無料で使えますが、有料枠がないため、大量の本番処理には向きません。
Q3. 自分のPCで動かせる?
メモリが8GBあれば、4bit量子化したE2BかE4Bが動きます。16GBなら12B(4bit)が公式の想定どおりに動き、24GB以上あれば26B A4Bや31Bの4bit版も視野に入ります。いずれも長い文脈を使うと必要メモリが増えるので、余裕を持たせてください。手軽に試すならOllamaで ollama run gemma4 を実行するのが近道です。
Q4. Gemma 4 12Bは、ほかのサイズと何が違う?
12Bは2026年6月に追加された中型モデルで、画像・音声用のエンコーダを持たない「Unified」構造です。音声入力に対応する中で最も大きいモデルで、メモリ使用量は26B A4Bの半分以下、性能は26B A4Bに近いとされています。ノートPCで音声・画像・動画をまとめて扱いたい場合の有力候補です。詳しくは「Gemma 4 12Bとは」をご覧ください。
Q5. ファインチューニングはできる?
できます。Apache 2.0のもとで、自社データを使った追加学習が自由に行えます。Hugging Face Transformers、Keras、Unsloth、Tunixなどが対応しています。4bitで動かす前提なら、QAT版の重みを起点にすると精度を保ちやすくなります。
Q6. ChatGPTやClaudeの代わりになる?
用途によります。文章作成や要約、コード生成では十分に実用的な性能です。ただし、クラウドの最上位モデルが持つ超長文の処理やWeb検索、豊富な連携機能はそのままでは使えません。「データを外に出せない」「自社製品に組み込みたい」「API費用を固定化したい」といった条件があるときに、Gemma 4が有力な選択肢になります。
Q7. 日本語は使える?
使えます。日本語は、すぐ使える35以上の言語に含まれています。2026年7月のテクニカルレポートでは、日本語の音声認識や日英の音声翻訳の評価が公開され、前世代より改善しています。一方、日本語テキストの公式ベンチマークは公表されていないため、精度は自社の実データで試して確認してください。
Q8. Gemma 4はどれくらい使われている?
Google DeepMindによると、2026年8月にGemmaシリーズ全体の累計ダウンロード数が10億回を超え、派生モデルは10万を超えました。Gemma 4単体では、6月時点で1億5,000万ダウンロードを超えています。PixelのオフラインAI機能やAmazon Bedrockでの提供など、使われる場面も増えています。
まとめ:Gemma 4は「自分の環境で動かせる高性能AI」
Gemma 4は、Google DeepMindが2026年4月に発表したオープンモデルです。2026年10月時点のポイントは次のとおりです。
- 無料・Apache 2.0: 商用利用・改変・再配布ができる
- 5つのモデルサイズ: スマホ向けのE2B・E4B、ノートPC向けの12B、速さ重視の26B A4B、最高性能の31B
- マルチモーダル: 全モデルが画像・動画を理解し、E2B・E4B・12Bは音声にも対応
- エージェント機能: 関数呼び出しと思考モードにネイティブ対応
- ローカル実行: 自前の環境ならデータが外に出ず、オフラインでも動く
- 普及の規模: Gemmaシリーズ全体で累計10億ダウンロードを突破
まずはGoogle AI Studioで性能を確かめ、手持ちのPCで動かすならOllamaで試してみてください。ノートPCで本格的に使うなら、Gemma 4 12Bから始めるのがおすすめです。
生成AIの全体像を押さえたい方は「生成AIとは」、コード生成用のツールを比べたい方は「AIコーディングツールおすすめ比較」もあわせてご覧ください。
このツールを自社のシステムや業務にどう組み込むか、ご提案します
この記事の著者

AI革命
編集部
AI革命株式会社の編集部です。最新のAI技術動向から実践的な導入事例まで、企業のデジタル変革に役立つ情報をお届けしています。豊富な経験と専門知識を活かし、読者の皆様にとって価値のあるコンテンツを制作しています。
最新記事

Siri AIの回数制限は何回?1日の上限・リセット時刻・iCloud+で最大20倍になる条件【iOS 27.3ベータ】
2026/11/17

Apple HomeViewとは?11月13日発売・299ドル・日本発売は未定|Siri AI搭載スマートホームハブの機能と評判
2026/10/14

SynthID Detectorとは?GoogleのAI生成判定サイトの使い方・OpenAI/NVIDIA製への対応・判定の限界
2026/10/10

ChatGPTの電子透かし(textGrain)とは?EU限定の仕組み・日本への影響・検出と回避の限界【2026年11月】
2026/10/12

MAI-Realtimeとは?Microsoft初の全二重音声モデル|MAI-Voice-2との違い・日本語対応・GPT-Live/Gemini Live比較【2026年11月最新】
2026/10/07

GPT-4o APIは2027年1月14日に廃止|4o mini・GPT-4.1も対象、移行先GPT-6 Lunaの料金と手順【2026年11月】
2026/10/15


