Gemma 4は、Google DeepMindが開発したオープンモデル群だ。パラメーター数は20億から310億まで複数用意されており、用途に応じて選択できる。最小モデルはスマートフォン上での動作を想定しており、最大モデルでも一般的なGPU搭載PCで動かせる規模に抑えた。Google DeepMindは、「開発者が自分のデバイス上で扱えるAI」を重視して設計したとしている。

　特に小型モデルは、音声、画像、動画を扱えるマルチモーダル機能を搭載している。音声入力からテキスト化や翻訳も可能で、スマートフォン上で直接AIアシスタントを動かす用途を想定する。一方、大型モデルは音声入力には対応していないものの、高度な画像理解や動画解析機能を備える。

　さらにGemma 4は140以上の言語で学習しており、多言語対応を重視している点も特徴だ。Google DeepMindのオマル・サンセビエロ氏は、「米国だけではなく、世界中で利用できるモデルを目指した」と説明している。

なぜ“ローカルAI”が重要なのか

　ローカルAIやオープンモデルが注目される背景には、プライバシーや規制対応の問題がある。医療や政府系など、データを外部のクラウドサービスへ送信できない環境では、オンデバイスAIの需要が高い。Gemma 4はローカル実行を前提としており、インターネット接続なしでも利用可能な構成を取りやすい。

　企業独自の用途に合わせてファインチューニングしやすい点も強みだ。例えば金融分野など特定業務に特化したAIモデルを、自社データで追加学習して独自利用できる。サンセビエロ氏は、「企業がモデルの挙動をより細かく制御できる」と説明する。

　一方で、小型モデルには知識量の制約もある。Google DeepMindは、「小型モデルだけで世界中の知識を保持するのは難しい」とし、高度な知識や複雑な推論では、大規模クラウドAIとの併用が必要になるとの見方を示した。

“ハイブリッド推論”が主流になる？

　こうした制約を踏まえ、ローカルAIとクラウドAIを組み合わせる「ハイブリッド推論」も注目されている。

　例えばソフトウェアベンダーCactus Computeは、入力内容の複雑さに応じて、ローカルモデルで処理するか、高性能クラウドAIへ転送するかを自動的に切り替える仕組みを開発しているという。簡単な処理は端末側で実行し、高度な推論のみクラウドへ送ることで、コストやプライバシー、応答速度を最適化するのが狙いだ。

　Gemma 4は、こうした“ローカルAI前提”の時代を見据えたモデルとも言える。Raspberry Piや「Jetson Nano」など、GPUリソースが限られた小型デバイスへの実装も広がりつつある。

Apache 2.0採用で企業利用を後押し

　Gemma 4ではライセンスの変更もあった。従来の独自ライセンスから、オープンソースライセンス「Apache License 2.0」へ移行した。これにより、企業利用時の法務リスクや導入ハードルを下げる狙いがある。

　これについてGoogle DeepMindは、企業やスタートアップ、非営利団体などから「ライセンスが導入障壁になっていた」というフィードバックを受けて変更を決めたとしている。

　企業IT部門にとっては、クラウドAIを全面的に利用するだけではなく、「どの処理をローカルで実行し、どこをクラウドへ送るか」を設計する時代が近づきつつある。Gemma 4は、その選択肢を広げる存在になりそうだ。

■本稿は、2026年4月24日に公開された「From smartphones to Raspberry Pi: Running Gemma 4 anywhere」を記事化したものです。