Hogar
Google lanza Gemma 4 como código abierto, un modelo que rivaliza con los mejores del mercado con 31 000 millones de parámetros
A las 4:03 de la madrugada del 3 de abril, Google DeepMind lanzó oficialmente su nueva serie de modelos de código abierto, Gemma4. Este lanzamiento se produce exactamente un año después de la versión anterior. Google no solo ha logrado un «salto generacional» en cuanto a rendimiento, sino que también ha dado un paso significativo en su compromiso con el código abierto: ha cambiado la licencia de su propio acuerdo propietario a la ampliamente adoptada Apache 2.0. Este cambio permite a los desarrolladores utilizar y modificar libremente los modelos con fines comerciales.

Gama completa: cuatro modelos para dispositivos móviles y estaciones de trabajo
Gemma4 se lanza con cuatro modelos distintos para cubrir todos los escenarios:
31B Dense (buque insignia): cuenta con 31 000 millones de parámetros totalmente activados y admite un contexto ultralargo de 256K. Ocupa el tercer puesto en la clasificación de código abierto de Arena AI. La versión no cuantificada puede ejecutarse en una sola GPU H100.
26B A4B MoE (líder en relación calidad-precio): utiliza una arquitectura Mixture-of-Experts con un total de 25 200 millones de parámetros, de los cuales solo se activan 3800 millones por inferencia. Su velocidad de razonamiento es comparable a la de un modelo de 4000 millones, pero su calidad supera a la de ofertas similares, lo que le asegura el sexto puesto en la clasificación.
E4B y E2B (Edge Elite): Optimizados para dispositivos móviles y embebidos. Mediante la tecnología Per-Layer Embeddings, los parámetros efectivos se comprimen a 4500 millones y 2300 millones, respectivamente. El modelo E2B puede reducir el uso de memoria a menos de 1,5 GB en determinados dispositivos.

Salto de rendimiento: las capacidades de código y matemáticas registran importantes avances
En comparación con la generación anterior, Gemma327B, Gemma4 muestra mejoras espectaculares en los principales benchmarks:
Competiciones matemáticas: las puntuaciones en la prueba AIME2026 se dispararon del 20,8 % al 89,2 %.
Habilidad en programación: su puntuación ELO en Codeforces aumentó de 110 a 2150. En LiveCodeBench, el rendimiento pasó del 29,1 % al 80,0 %, lo que lo convierte en uno de los asistentes de programación de código abierto más competentes disponibles.
Razonamiento integral: Las puntuaciones en preguntas de ciencias de posgrado (GPQA Diamond) casi se duplicaron, pasando del 42,4 % al 84,3 %.
Capacidad multilingüe: Admite de forma nativa más de 140 idiomas, alcanzando una puntuación del 88,4 % en MMMLU.

Características principales: «Modo de pensamiento» integrado y capacidades de agente
Gemma4 no se limita a tener más parámetros; alinea su lógica de interacción con los modelos insignia de Gemini:
Modo de razonamiento: incluye un modo de razonamiento interno que permite al modelo procesar planes de varios pasos antes de ofrecer una respuesta, lo que mejora significativamente la precisión en tareas complejas.
Compatibilidad nativa con agentes: Admite llamadas a funciones y salida JSON estructurada. Google lanzó simultáneamente un kit de desarrollo de agentes (ADK) de código abierto, lo que permite que los modelos en el dispositivo actúen como «agentes inteligentes».
Multimodal profundo: Todas las versiones admiten entrada de imágenes y vídeo. Incluso los modelos más pequeños incluyen un codificador de audio adicional para el reconocimiento de voz y la traducción.
Perspectiva del sector: una «reorganización de poder» en el código abierto
Durante el último año, los modelos de código abierto nacionales (como DeepSeek, Qwen y GLM) han evolucionado rápidamente, lo que ha disminuido en cierta medida la influencia de Google en el ámbito del código abierto. El lanzamiento de Gemma4 marca el regreso de Google a la vanguardia a través de una «ingeniería de vanguardia extrema» y una «apertura más exhaustiva en materia de licencias».
Conclusión: cuando los gigantes tecnológicos empiezan a hablar de «sinceridad»
Artículo relacionado
Wan-Streamer v0.2 ofrece un chat de IA con latencia ultrabaja
A medida que la tecnología moderna avanza rápidamente, la interacción entre humanos e inteligencia artificial se vuelve más común. Las videollamadas tradicionales a menudo luchan con retrasos, demoras y desincronización audiovisual. Wan-Streamer v0.2
Meta se une a TSMC y Micron para equipar nuevos servidores con memoria antigua
A medida que la adopción de la inteligencia artificial se acelera en todo el mundo, la memoria DDR5 de próxima generación está experimentando una grave escasez de suministro. Para evitar retrasos en los despliegues de centros de datos de IA, Meta ha
Cómo las bases de datos de series temporales impulsan los datos de robótica en tiempo real
Doug Pagnutti de Tiger Data.Pagnutti actúa como defensor del desarrollo industrial en Tiger Data, apoyando a equipos en la construcción de sistemas industriales del mundo real.Con más de 12 años de experiencia en petróleo y gas y automatización de fa
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
A las 4:03 de la madrugada del 3 de abril, Google DeepMind lanzó oficialmente su nueva serie de modelos de código abierto, Gemma4. Este lanzamiento se produce exactamente un año después de la versión anterior. Google no solo ha logrado un «salto generacional» en cuanto a rendimiento, sino que también ha dado un paso significativo en su compromiso con el código abierto: ha cambiado la licencia de su propio acuerdo propietario a la ampliamente adoptada Apache 2.0. Este cambio permite a los desarrolladores utilizar y modificar libremente los modelos con fines comerciales.

Gama completa: cuatro modelos para dispositivos móviles y estaciones de trabajo
Gemma4 se lanza con cuatro modelos distintos para cubrir todos los escenarios:
31B Dense (buque insignia): cuenta con 31 000 millones de parámetros totalmente activados y admite un contexto ultralargo de 256K. Ocupa el tercer puesto en la clasificación de código abierto de Arena AI. La versión no cuantificada puede ejecutarse en una sola GPU H100.
26B A4B MoE (líder en relación calidad-precio): utiliza una arquitectura Mixture-of-Experts con un total de 25 200 millones de parámetros, de los cuales solo se activan 3800 millones por inferencia. Su velocidad de razonamiento es comparable a la de un modelo de 4000 millones, pero su calidad supera a la de ofertas similares, lo que le asegura el sexto puesto en la clasificación.
E4B y E2B (Edge Elite): Optimizados para dispositivos móviles y embebidos. Mediante la tecnología Per-Layer Embeddings, los parámetros efectivos se comprimen a 4500 millones y 2300 millones, respectivamente. El modelo E2B puede reducir el uso de memoria a menos de 1,5 GB en determinados dispositivos.

Salto de rendimiento: las capacidades de código y matemáticas registran importantes avances
En comparación con la generación anterior, Gemma327B, Gemma4 muestra mejoras espectaculares en los principales benchmarks:
Competiciones matemáticas: las puntuaciones en la prueba AIME2026 se dispararon del 20,8 % al 89,2 %.
Habilidad en programación: su puntuación ELO en Codeforces aumentó de 110 a 2150. En LiveCodeBench, el rendimiento pasó del 29,1 % al 80,0 %, lo que lo convierte en uno de los asistentes de programación de código abierto más competentes disponibles.
Razonamiento integral: Las puntuaciones en preguntas de ciencias de posgrado (GPQA Diamond) casi se duplicaron, pasando del 42,4 % al 84,3 %.
Capacidad multilingüe: Admite de forma nativa más de 140 idiomas, alcanzando una puntuación del 88,4 % en MMMLU.

Características principales: «Modo de pensamiento» integrado y capacidades de agente
Gemma4 no se limita a tener más parámetros; alinea su lógica de interacción con los modelos insignia de Gemini:
Modo de razonamiento: incluye un modo de razonamiento interno que permite al modelo procesar planes de varios pasos antes de ofrecer una respuesta, lo que mejora significativamente la precisión en tareas complejas.
Compatibilidad nativa con agentes: Admite llamadas a funciones y salida JSON estructurada. Google lanzó simultáneamente un kit de desarrollo de agentes (ADK) de código abierto, lo que permite que los modelos en el dispositivo actúen como «agentes inteligentes».
Multimodal profundo: Todas las versiones admiten entrada de imágenes y vídeo. Incluso los modelos más pequeños incluyen un codificador de audio adicional para el reconocimiento de voz y la traducción.
Perspectiva del sector: una «reorganización de poder» en el código abierto
Durante el último año, los modelos de código abierto nacionales (como DeepSeek, Qwen y GLM) han evolucionado rápidamente, lo que ha disminuido en cierta medida la influencia de Google en el ámbito del código abierto. El lanzamiento de Gemma4 marca el regreso de Google a la vanguardia a través de una «ingeniería de vanguardia extrema» y una «apertura más exhaustiva en materia de licencias».
Conclusión: cuando los gigantes tecnológicos empiezan a hablar de «sinceridad»
Wan-Streamer v0.2 ofrece un chat de IA con latencia ultrabaja
A medida que la tecnología moderna avanza rápidamente, la interacción entre humanos e inteligencia artificial se vuelve más común. Las videollamadas tradicionales a menudo luchan con retrasos, demoras y desincronización audiovisual. Wan-Streamer v0.2
Meta se une a TSMC y Micron para equipar nuevos servidores con memoria antigua
A medida que la adopción de la inteligencia artificial se acelera en todo el mundo, la memoria DDR5 de próxima generación está experimentando una grave escasez de suministro. Para evitar retrasos en los despliegues de centros de datos de IA, Meta ha
Cómo las bases de datos de series temporales impulsan los datos de robótica en tiempo real
Doug Pagnutti de Tiger Data.Pagnutti actúa como defensor del desarrollo industrial en Tiger Data, apoyando a equipos en la construcción de sistemas industriales del mundo real.Con más de 12 años de experiencia en petróleo y gas y automatización de fa











