【Gemma 4】スマートフォンでも動作するGoogleの最強オープンモデルの性能・使い方・活用シーンまでを徹底解説

2026年4月3日、Googleはオープンモデルシリーズの最新版となる「Gemma 4」を公開しました！

Gemini 3の研究成果をベースに開発されたモデルで、パラメータあたりの知能（intelligence-per-parameter）で過去最高水準を達成しています。

今回のリリースで一番インパクトが大きいのは、ライセンスがGoogle独自のものからApache 2.0に変わった点でしょう。商用利用のハードルが一気に下がり、企業・個人を問わず誰でも自由に使えるようになっています。

そこで本記事では、Gemma 4の概要からアーキテクチャ、性能、具体的な使い方、業界別・課題別の活用シーンまで、徹底的に解説していきます。ぜひ最後までご覧ください！

Gemma 4とは？

Gemma 4は、Google DeepMindが開発・公開したオープンソースの大規模言語モデルファミリーです。Googleの最上位プロプライエタリモデルであるGemini 3の研究技術をベースにしており、テキスト・画像・動画・音声をまとめて扱えるマルチモーダルモデルになっています。

モデルは全5サイズで展開されています。スマートフォンやRaspberry Piでも動く超軽量なE2B（実効2.3Bパラメータ）とE4B（実効4.5Bパラメータ）、16GBのノートPCで動くミドルサイズの12B（約11.95Bパラメータ／2026年6月追加）、ワークステーション向けの26B MoE（総パラメータ25.2B、アクティブパラメータ3.8B）、そしてフラグシップの31B Dense（30.7Bパラメータ）です。

注目したいのは、31Bモデルが、業界標準のArena AIテキストリーダーボードでオープンモデル世界第3位にランクインしている点です。26B MoEモデルも第6位を獲得しており、自前のサーバーで完全にオフライン運用できるオープンモデルでありながら、プロプライエタリモデルに迫る性能を持っています。

140以上の言語でネイティブに学習されているので、日本語タスクにも高い精度で対応してくれます。コンテキストウィンドウはエッジモデルで128Kトークン、大型モデルで最大256Kトークン。長大なドキュメントやコードリポジトリをまるごと渡せるのも大きな強みかと思います。

Gemma 4 12Bが登場！

2026年6月4日、Gemmaファミリーに新サイズ「Gemma 4 12B」が追加されました。

約120億（11.95B）パラメータのDenseモデルで、16GBのVRAMまたはユニファイドメモリがあれば一般的なノートPCでもローカル実行できるのが最大の特徴です。

Googleによると、12Bは標準的なベンチマークで上位の26B MoEモデルに迫る性能を、半分以下のメモリフットプリントで実現しているとのことです。「ローカルで動かせる手軽さ」と「実用的な性能」のバランスがよく、ちょうどいいサイズとして開発者からも注目を集めています。

アーキテクチャ面では、画像・音声用のエンコーダを別途持たない「encoder-free（エンコーダレス）」の統合設計が採用されました。

ビジョン処理は約35Mパラメータの軽量な埋め込みモジュールに、音声は16kHzの生信号を直接取り込む方式へと簡素化されています。中型クラスで初めて音声入力にネイティブ対応したモデルでもあり、文字起こし（ASR）・話者分離・動画理解・コーディングまで1つのモデルでこなせます。

Gemma 4のモデル一覧と特徴については、以下の表を参考にしてみてください。

12Bの追加で、スマホ向けからフラグシップまで全5サイズとなりました。用途と手持ちのメモリ環境に合わせてGemma 4を選べるのが、ローカルAIとしての大きな強みです。

Gemma 4の仕組み

Gemma 4のアーキテクチャは、効率性と性能を両立させるために複数の新しい技術を組み合わせた設計になっています。ここからは、主要な構成要素を見ていきましょう。

ハイブリッドアテンション機構

Gemma 4では、ローカルスライディングウィンドウアテンションとグローバルフルコンテキストアテンションを交互に配置するハイブリッド方式が採用されています。

スライディングウィンドウはE2B/E4Bで512トークン、26B/31Bで1024トークンに設定されていて、近くのトークンへの高速なアテンションと、文書全体にわたる長距離の依存関係の把握をうまく両立しています。

加えて、スライディング層には標準的なRoPE（回転位置埋め込み）、グローバル層にはProportional RoPEを適用するDual RoPE構成で、長いコンテキストでも安定した性能を出してくれます。

Per-Layer Embeddings（PLE）

E2BとE4Bモデルに導入されている独自技術がPer-Layer Embeddings（PLE）です。

各デコーダ層がトークンごとに固有の小さな埋め込みを持つ仕組みで、追加パラメータではなくルックアップテーブルとして動作するため、計算コストを抑えながらモデルの表現力を高めています。

各層でトークンの識別情報とコンテキスト情報を個別に供給できるのがポイントです。

Mixture-of-Experts（MoE）アーキテクチャ

26BモデルではMoE（Mixture-of-Experts）構成を採用しています。

総パラメータ数は25.2Bですが、推論時にアクティブになるのはわずか3.8Bパラメータだけです。128個のエキスパートモジュールと1つの共有エキスパートから、入力に応じて8つが動的に選ばれます。これによって、31Bモデルに迫る性能を圧倒的に少ない計算コストで実現しているわけです。

ビジョンエンコーダ・オーディオエンコーダ

画像処理には、学習済み2D位置埋め込みと多次元RoPEを組み合わせたビジョンエンコーダ（E2B/E4Bで約150Mパラメータ、26B/31Bで約550Mパラメータ）を搭載。元のアスペクト比を保ったまま、70〜1120トークンの範囲で可変解像度に対応しています。

音声処理には、USMスタイルのConformerベースのオーディオエンコーダ（約300Mパラメータ）がE2BとE4Bモデルに搭載されています。

Gemmaの歴代モデルや派生モデルを知りたい方は、以下の記事もご覧ください。

Gemma 4の特徴

ここからは、ベンチマークの数値を中心に、Gemma 4の実力を深掘りしていきましょう。

推論・コーディング性能がとにかく高い

31Bモデルは、数学推論の難関テストAIME 2026で89.2%、コーディング能力を測るLiveCodeBench v6で80.0%、科学知識のGPQA Diamondで84.3%を記録しています。Codeforces ELOレーティングは2150で、競技プログラミングの世界でもかなりの実力です。

テキスト・画像・動画・音声にネイティブ対応

全モデルがテキスト・画像・動画の入力に対応しています。

E2BとE4Bモデルではさらに音声入力もサポートしていて、音声認識（ASR）や音声翻訳が追加モジュールなしで使えます。動画は最大60秒（1fps）のフレーム解析に対応しており、OCRや図表の読み取り、手書き文字認識でも高い精度を出してくれます。

エージェント機能を標準搭載

ネイティブの関数呼び出しと構造化JSON出力をサポートしているのも大きなポイントです。外部ツールやAPIと連携する自律型エージェントを比較的かんたんに構築できるようになっています。

アプリのナビゲーション、タスクの自動実行、複数ステップの計画立案など、いわゆるエージェンティックなワークフローをモデル単体で回せる設計です。τ2-bench（エージェント性能ベンチマーク）では、31Bモデルが86.4%を達成しています。

Thinkingモードで深い思考にも対応

推論時に段階的な思考プロセスを有効化できるThinkingモードも搭載されています。数学の難問やコーディングタスクなど、じっくり考える必要がある場面で、ステップバイステップの分析を挟みながら回答の質を高めてくれます。

用途に特化したGemmaシリーズのモデルについては、以下の記事もご覧ください。

Gemma 4の安全性・制約

Gemma 4は、Googleのプロプライエタリモデルと同じセキュリティプロトコルで開発・評価されています。訓練データにはCSAMフィルタリングや個人情報フィルタリングが適用されていて、有害コンテンツや個人を特定できるデータは除去済みだそうです。

安全性の評価では、GoogleのAI原則に基づく自動評価と人手評価の両方が行われています。児童搾取コンテンツ、危険な情報、ヘイトスピーチ、ハラスメントなどのカテゴリについてスクリーニングが実施され、以前のGemmaモデルと比較してすべてのカテゴリで大幅な改善が確認されたとのことです。

なお、訓練データのカットオフは2025年1月なので、それ以降の出来事に関する情報は含まれていません。また、動画入力は最大60秒（1fps）、音声入力は最大30秒という制約がある点も押さえておきましょう。

Gemma 4の料金

Gemma 4はApache 2.0ライセンスのオープンソースモデルなので、モデルの重み自体は無料でダウンロード・利用できます。GeminiシリーズのようなAPI従量課金ではなく、自分のハードウェアやクラウド環境にデプロイして使う形が基本です。かかるコストは主にインフラまわりの費用になります。

ローカルで動かす場合、31Bモデルの非量子化版（bfloat16）はNVIDIA H100（80GB）1枚に収まります。量子化すればコンシューマ向けGPUでも動作可能です。26B MoEモデルはアクティブパラメータが3.8Bだけなので、推論速度面でもかなり効率的です。

E2BやE4Bに至っては、スマートフォンやRaspberry Pi、NVIDIA Jetson Orin Nanoでの動作も想定されています。小さいモデルであれば追加コストほぼゼロで導入できるのは、かなり魅力的だと思います。

Gemma 4のライセンス

Gemma 4は、Gemmaシリーズで初めてApache 2.0ライセンスを採用しました。従来のGoogle独自ライセンス（Gemma Terms of Use）からの大きな方針転換で、オープンソースコミュニティにとってはかなりインパクトのあるニュースです。

項目	可否	備考
商用利用		プロダクトへの組み込み、SaaS提供もOK
改変（モデルの修正・ファインチューニング）		独自データでの追加学習や改変が自由
再配布		ライセンス表記と変更箇所の明記が必要
特許利用		Apache 2.0には明示的な特許権の付与条項あり
私的利用		個人の学習・研究目的でも制限なし

このApache 2.0への移行は、MetaのLlamaシリーズなど競合オープンモデルへの対抗を意識した戦略的な判断とも見られています。

企業の法務部門によるライセンスレビューのハードルが一気に下がるので、これまで独自ライセンスの条項が気になって導入をためらっていた組織にとっては、採用を検討しやすい状況になったかと思います。

Gemma 4の使い方

Gemma 4は複数のプラットフォームから利用できます。ここからはGemma 4の代表的な使い方を順にご紹介していきます。

Google AI Studioで試す

1番かんたんにGemma 4を使うことができるのが、Google AI Studioを使う方法です。ブラウザだけで動くので、インストールは一切不要です。

STEP

Google AI Studioにアクセス

こちらのURL（https://aistudio.google.com/prompts/new_chat?model=gemma-4-31b-it）からGoogle AI Studioを開き、Googleアカウントでログインします。

STEP

モデルを選ぶ

画面上部のモデル選択メニューから「Gemma 4 31B」か「Gemma 4 26B」を選びます。

STEP

プロンプトを入力して実行

チャット欄にプロンプトを打ち込んで送信すれば、すぐに回答が返ってきます。画像をアップロードしてマルチモーダルな質問を投げることもできます。

単語解説

生成AIのプロンプトとは？書き方・テンプレート例10選！業務効率を上げる実践テクニックを徹底解説 | WEEL

Ollamaでローカル実行する

ローカルPCでGemma 4を動かしたい場合は、Ollamaが一番シンプルです。

# デフォルト（E4Bモデル、9.6GB）
ollama run gemma4

# 超軽量モデル（E2B、7.2GB）
ollama run gemma4:e2b

# MoEモデル（26B、18GB）
ollama run gemma4:26b

# フラグシップモデル（31B、20GB）
ollama run gemma4:31b

Hugging Face Transformersで利用する

Pythonコードから直接動かしたいなら、Hugging Face Transformersを使うのがおすすめです。

pip install -U transformers

from transformers import pipeline

pipe = pipeline("any-to-any", model="google/gemma-4-e4b-it")

messages = [
    {
        "role": "user",
        "content": [
            {"type": "text", "text": "日本の首都はどこですか？"}
        ],
    }
]

output = pipe(messages, max_new_tokens=200, return_full_text=False)
print(output[0]["generated_text"])

messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "image": "path/to/image.jpg"},
            {"type": "text", "text": "この画像に写っているものを教えてください。"}
        ],
    }
]

output = pipe(messages, max_new_tokens=300, return_full_text=False)
print(output[0]["generated_text"])

llama.cppでローカルAPIサーバーを立てる

OpenAI互換のAPIサーバーとしてGemma 4をローカルで使いたいなら、llama.cppが便利です。

# macOS
brew install llama.cpp

# Windows
winget install llama.cpp

llama-server -hf ggml-org/gemma-4-26b-a4b-it-GGUF

Apple Silicon（Mac）でMLXを使う

M1〜M4チップ搭載のMacなら、MLXフレームワークで効率よく推論を回せます。

pip install -U mlx-vlm

mlx_vlm.generate \
  --model google/gemma-4-E4B-it \
  --prompt "Pythonでフィボナッチ数列を生成する関数を書いてください"

Google AI Edge Galleryでスマホから使う

スマートフォンやタブレットでGemma 4を動かしたいなら、Google AI Edge Galleryがおすすめです。完全オンデバイスで動作するので、インターネット接続なしでも使えます。対応モデルはE2BとE4Bの2種類となっています。

STEP

アプリをインストール

Google AI Edge Galleryは、iOSとAndroidの両方に対応しています。

• Android：Google Playストアで「AI Edge Gallery」と検索してインストール（Android 12以上が必要）
• iOS：App Storeで「AI Edge Gallery」と検索してインストール（iOS 17以上が必要）

Google Playが使えない環境の場合は、GitHubリリースページ（https://github.com/google-ai-edge/gallery/releases）からAPKを直接ダウンロードすることもできます。

STEP

モデルをダウンロード

アプリを起動すると、利用可能なモデルの一覧が表示されます。

Gemma 4 E2BまたはE4Bを選んでダウンロードしましょう。E2Bモデルであれば必要メモリは1.5GB未満なので、一般的なスマートフォンでも問題なく動きます。

STEP

機能を選んで使ってみる

ダウンロードが完了したら、以下の機能がすぐに使えるようになります。

項目	内容
AI Chat	通常の対話型チャット。Thinkingモードを有効にすると、モデルの推論過程をステップごとに確認できます
Agent Skills	Wikipediaなどの外部ツールと連携して、情報検索やリッチな回答カードの生成ができるエージェント機能です。GitHubのコミュニティで公開されているスキルを読み込んだり、自作スキルをURLから追加したりもできます
Ask Image	カメラやフォトライブラリの画像を使って、物体の識別や画像の説明をマルチモーダルで処理してくれます
Audio Scribe	音声をリアルタイムで文字起こし・翻訳する機能です（E2B/E4Bの音声入力対応を活かした機能）

全処理がデバイス上で完結するので、プライバシーが気になる場面や、オフライン環境でもそのまま使えるのが大きなメリットです。

通信環境を気にせずGemma 4を持ち歩けるので、ちょっとした検証や日常的なAIアシスタントとして試してみると面白いと思います。

Gemma 4をローカルで動かすためのツールについては、以下の記事もご覧ください。

【業界別】Gemma 4の活用シーン

オープンモデルならではの柔軟性を活かして、Gemma 4はさまざまな業界での活用が期待されています。こちらでは、業界ごとに相性のいいユースケースを整理していきます。

製造業・IoT

Gemma 4のE2BやE4Bモデルは、スマートフォンやエッジデバイス上で完全にオフライン動作するので、ネットワーク環境が限られた工場現場でも導入しやすいのが強みです。

製造ラインの異常検知、品質検査画像の解析、機器マニュアルの多言語翻訳といった用途と相性がよく、データを外部に出さずに済むのでセキュリティポリシーが厳しい現場でも使いやすいかと思います。

製造業界における生成AI活用について、詳しく知りたい方は以下の記事も参考にしてみてください。

WEEL

製造業界の課題も生成AIが解決！企業の活用事例を含め課題の解決方法を解説 | WEEL 生成AIで製造業の課題を解決！グローバル化、ノウハウ継承、システム開発効率化の具体例を詳しく紹介。

ソフトウェア開発

Codeforces ELO 2150のコーディング性能は、コードレビュー補助やバグ修正の提案、テストコードの自動生成にそのまま活きてきます。

Android Studioでは公式にGemma 4がサポートされていて、ローカル環境でのエージェンティックなコーディング支援が可能です。Function Calling機能を組み合わせれば、CI/CDパイプラインへの統合も現実的でしょう。

教育・研究機関

Apache 2.0ライセンスなので、教育機関や研究者がモデルを自由に改変・実験できます。

140以上の言語に対応しているため、多言語NLP研究のベースモデルとしても優秀です。学生向けの個別学習支援AIや、論文ドラフトの作成補助ツールの開発にも向いていると思います。

教育業界における生成AI活用について、詳しく知りたい方は以下の記事も参考にしてみてください。

WEEL

生成AIによる教育業界の業務効率化！教務効率化と授業品質UPが狙える活用法や実際の導入事例を紹介 | WEEL 生成AIは教育業界の教員不足や長時間労働、個別指導の難しさを解決する手段として注目されています。この記事では、学校運営・語学学習・外国籍生徒への対応・アクティブラ…

医療・ヘルスケア

MMMU Pro 76.9%に裏付けされた画像理解能力を活かした医療画像の事前スクリーニングや、診断補助レポートの生成に応用できそうです。

患者データをクラウドに送らずオンプレミスで処理できるので、医療データのプライバシー保護要件にも合わせやすい構成が組めます。

医療業界における生成AI活用について、詳しく知りたい方は以下の記事も参考にしてみてください。

WEEL

生成AIの導入で医療現場にも変化が！？実際の導入事例や医療特化AIサービスを徹底解説 | WEEL 生成AI 医療の活用は文書作成や問診支援を中心に現場で広がっています。本記事では医療現場における生成AIの最新動向、退院サマリー作成などの具体的な活用事例、ガイドラ…

【課題別】Gemma 4が解決できること

ここからは、業界横断で共通する技術課題に対して、Gemma 4がどう貢献できるかを整理していきます。

クラウドAPIコストの削減

大規模言語モデルをクラウドAPI経由で使っていると、トークン数に比例してコストがどんどん膨らみます。

そこに対して、Gemma 4はオープンモデルとしてローカル実行ができるので、利用量が多いユースケースではAPI課金をまるごとカットできます。特に、26B MoEモデルはアクティブパラメータが3.8Bしかなく、推論速度とコスト効率のバランスが非常に優れています。

データプライバシーの確保

個人情報や機密データを扱う業務では、外部クラウドへのデータ送信自体がリスクになります。

そこで、Gemma 4をオンプレミス環境やエッジデバイスに入れてしまえば、データを一切外に出さずにAI処理を完結させられます。E2Bモデルならスマートフォン上での完全オフライン動作にも対応しています。

複雑な推論タスクの自動化

AIME 2026で89.2%という数学推論能力と、Thinkingモードによるステップバイステップ分析を組み合わせれば、従来は人が介在しないと難しかった分析・判断タスクの自動化が見えてきます。財務分析レポートの下書きや、技術文書の論理的整合性チェックなどが具体的なイメージです。

Gemma 4の活用事例

ここからは、実際にGemma 4を使ったユーザーのX投稿をもとに、リアルな活用事例を3つご紹介します。

今回解説する事例において、弊社がX（旧Twitter）で発見した参考となるツイートを紹介させていただいております。取り下げなどのご連絡は、contact@weel.co.jp からご連絡ください。

ノートPCで12Bを動かす：日本語もしっかり対応

上記のポストでは、新登場のGemma 4 12B（Q4_K_S量子化版）をLM Studioで実行し、日本語性能についても評価しています。コンテキスト16Kでもメモリ消費はVRAM約10GBに収まり、従来モデルより大幅に省メモリ化したと報告されています。

スマホ単体で動かす：iPhoneでオンデバイスAI

こちらのポストでは、最軽量のE2BをiPhone 16 Proで実行し、Google AI Edge Galleryアプリの導入からボイスモードまでを検証した結果が紹介されています。ローカルの端末内で完結する、オンデバイスAIのわかりやすい好例ですね。

ローカルでロールプレイ・AI人格を動かす

上記のポストでは、フラッグシップの31Bモデルをローカルで試し「ローカルLLMとして間違いなく過去最高レベル」と高く評価されています。

AI人格のプロンプトでロールプレイさせても、コンテキストを積み重ねてキャラクターが崩れない安定感もあるようです。

Gemma 4を使ってみた

それでは実際に、Gemma 4の実力を確認していきましょう。Google AI Studioの31Bモデル（gemma-4-31b-it）を使って、3つの観点から検証しています。

検証1：日本語での複雑な推論タスク

まずは日本語の論理的推論能力を確認するため、多段階の思考が必要な問題を投げてみました。

プロンプト：

AさんはBさんより年上で、CさんはBさんより年下です。DさんはCさんより年上でAさんより年下です。4人を年齢順に並べてください。また、この情報だけでBさんとDさんの年齢の上下を確定できるか、論理的に説明してください。

結果はこちら：

Thinkingモードを有効にすると、各条件を一つずつ整理しながら推論を進めていき、最終的に「A > D > Cは確定するが、BとDの関係は与えられた条件からは確定できない」という正しい結論にたどり着きました。

曖昧な部分をちゃんと「確定できない」と切り分けられているのは、実務で使う上でかなり頼もしいですね。

検証2：Google AI Edge Galleryでスマホから使ってみた

次に、スマートフォン（iOS）にGoogle AI Edge Galleryをインストールし、Gemma 4 E4Bモデルをオンデバイスで試してみました。Wi-Fiでモデルをダウンロードしたあとは機内モードに切り替えて、完全オフラインの状態でAI Chatを検証してみます。

プロンプト

日本の三権分立について小学生にも分かるように説明して

結果はこちら

たとえ話を交えた分かりやすい回答を返してくれました。回答スピードの速さも素晴らしいですね。

オンデバイスとは思えないほど自然な日本語で、体感的なレスポンスも十分実用的なレベルです。通勤中やオフラインの出先でもサッと使えるAIアシスタントとして、かなり実用性が高いと思います。

Gemma 4のよくある質問

最後に、Gemma 4に関して、多くの方が気になるであろう質問とその回答をご紹介します。

Gemma 4を導入してみよう！

Gemma 4は、Googleがパラメータあたりの知能で世界最高を目指して開発したオープンモデルです。Gemini 3の研究成果を活かした4サイズのラインナップ、Apache 2.0ライセンスへの移行、テキスト・画像・動画・音声をまとめて扱えるネイティブマルチモーダル対応によって、エッジデバイスからサーバーまで幅広い環境で高度なAI処理を実現しています。

26B MoEモデルであれば、わずか3.8Bのアクティブパラメータで高い性能が出せる効率のよさも魅力です。APIコストを抑えたい企業、データプライバシーを重視する組織、エッジAIに取り組みたい開発者にとって、有力な選択肢になるのではないでしょうか。

気になった方は、ぜひ一度お試しください！

最後に

いかがだったでしょうか？

弊社では、AI導入を検討中の企業向けに、業務効率化や新しい価値創出を支援する情報提供・導入支援を行っています。最新のAIを活用し、効率的な業務改善や高度な分析が可能です。

大規模言語モデル（LLM）比較レポート

「生成AIを社内で活用したい」「生成AIの事業をやっていきたい」という方に向けて、生成AI社内セミナー・勉強会をさせていただいております。

セミナー内容や料金については、ご相談ください。

また、大規模言語モデル（LLM）を対象に、言語理解能力、生成能力、応答速度の各側面について比較・検証した資料も配布しております。この機会にぜひご活用ください。

無料で相談する

資料をダウンロードする