Selon Google, les modèles Gemma 4 auraient été téléchargés plus de 150 millions de fois depuis leur sortie source. Diffusés sous licence Apache 2.0, ces modèles visent à offrir une flexibilité de déploiement et d'ajustement pour les organisations source.
Sur le plan technique, l'entreprise a introduit la prédiction multi-jetons (Multi-Token Prediction - MTP) pour accélérer l'inférence. Elle a également rendu disponibles un modèle Unified 12B et des points de contrôle Quantization-Aware-Training (QAT) source. Ces outils visent à réduire la charge computationnelle sans sacrifier autant de précision qu'une quantification classique.
L'intérêt de ces optimisations se traduit dans l'exécution locale sur matériel limité. L'entreprise HubX utilise ainsi le modèle Gemma 4 E2B — avec 2 milliards de paramètres effectifs — comme moteur de raisonnement pour son application de tutorat BetterSpeak source. Pour contourner les contraintes matérielles des smartphones, HubX a déployé une version quantifiée en 4 bits fournie par Google source. Ce pipeline on-device exploite les capacités natives d'entrée audio de Gemma 4 pour permettre un apprentissage direct en speech-to-speech source.
Au-delà de l'audio, Gemma 4 gère des tâches de vision-langage : détection d'objets, légendage d'images et questionnement visuel (VQA) source. Pour le traitement de documents longs, les versions les plus larges proposent une fenêtre de contexte atteignant 256K source.
L'ensemble de ces performances et chiffres de téléchargement provient exclusivement des annonces de Google. En l'absence de tests indépendants, il reste à confirmer si le gain d'inférence promis par la prédiction multi-jetons est significatif en conditions réelles pour le développeur moyen.