# 策展 · X (Twitter) 🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Logan Kilpatrick (@OfficialLoganK) · 平台：X (Twitter) · 日期：2026-04-02

> 原始來源：https://x.com/OfficialLoganK/status/2039735606268314071

## 中文摘要

Google 發布 Gemma 4 開放模型系列，主打高效能與行動裝置端部署。

Google DeepMind 推出 Gemma 4 開放模型系列，採用 Apache 2.0 授權，旨在提供業界領先的智慧密度，並支援從行動裝置到伺服器的多樣化硬體部署。

**模型架構與核心能力**
Gemma 4 結合了 Dense 與 Mixture-of-Experts (MoE) 架構，針對推理、程式撰寫與 Agent 工作流進行優化，並具備多模態處理能力。
- 提供四種尺寸：E2B、E4B、26B (MoE) 與 31B (Dense)。
- 支援多模態輸入（文字、圖像、影片，E2B/E4B 額外支援音訊）。
- 視窗大小：小型模型支援 128K token，中型模型支援 256K token。
- 原生支援系統提示詞 (System Prompt) 與函數呼叫 (Function Calling)，強化 Agent 的自主互動能力。

**硬體優化與邊緣部署**
該系列專為在使用者硬體上運行而設計，強調在有限資源下實現前沿效能，讓開發者能直接在本地端執行推理。
- E2B 與 E4B 模型採用 Per-Layer Embeddings (PLE) 技術，針對行動裝置端與 IoT 裝置進行記憶與功耗優化。
- 26B MoE 模型在推理時僅啟用 4B 參數，實現極快的推理速度。
- 支援廣泛的開發工具與框架，如 Hugging Face、vLLM、llama.cpp、Ollama 與 NVIDIA NIM 等。

**資料安全與授權規範**
Google 強調 Gemma 4 的安全性與透明度，並透過開放授權促進生態系協作，適用於企業與研究場景。
- 採用 Apache 2.0 授權，提供商業使用彈性與數位主權。
- 訓練資料包含網路文件、程式碼、數學與圖像，截止日期為 2025 年 1 月。
- 實施嚴格的 CSAM 過濾與敏感資料過濾，並經過與 Gemini 專有模型相同的安全評估流程。

**模型限制與反思**
儘管效能強大，官方明確指出模型仍存在技術侷限，使用者需審慎評估應用場景。
- 模型並非知識庫，生成內容依賴訓練資料的統計模式，可能缺乏常識推理能力。
- 對於語言的細微差別、諷刺或比喻理解能力有限。
- 效能高度依賴提示詞與指令的清晰度，且容易受到訓練資料品質與多樣性的影響。

## 標籤

新產品, 開源專案, AIGC, LLM, VLM, Google, Google DeepMind, Gemma