Gemma 4: كيف يتفوق نموذج Google المفتوح بـ 31 مليار معلمة على منافسين بـ 400 مليار

النموذج المفتوح الذي يضرب بـ 20 ضعف فوق وزنه

أطلق Google DeepMind نموذج Gemma 4 في 2 أبريل 2026، والمعايير المرجعية تتحدث عن نفسها. تحقق النسخة الكثيفة 31B نتيجة 1452 على لوحة تصنيف النصوص في Arena AI، مما يضعها في المركز الثالث بين جميع النماذج المفتوحة عالمياً. أما نسخة Mixture-of-Experts بـ 26B فتحتل المركز السادس مع تنشيط 3.8 مليار معلمة فقط لكل تمرير أمامي — مما يجعلها أكثر محرك استدلال كفاءة في المعلمات متاحاً للعموم.

ما يجعل هذه الأرقام استثنائية هو السياق. ينشر Llama 4 Maverick من Meta 400 مليار معلمة MoE للمنافسة في نفس الفئة. يحقق Gemma 4 نتائج مماثلة أو أفضل بجزء بسيط من الحوسبة. على معيار GPQA Diamond للاستدلال العلمي على مستوى الدراسات العليا، يسجل Gemma 4 31B نسبة 84.3% مقابل 74.3% لـ Llama 4 Scout. وعلى معيار الرياضيات AIME 2026، يصل إلى 89.2% — تحسن أربعة أضعاف مقارنة بسلفه Gemma 3 27B الذي حقق 20.8% فقط.

بُني على نفس الأساس البحثي لـ Gemini 3، وعائلة Gemma 4 بأكملها متعددة الوسائط أصلياً: نصوص وصور وفيديو، وفي أحجام النماذج الأصغر، إدخال صوتي عبر مشفّر conformer من نمط USM يدعم حتى 30 ثانية لكل طلب.

Apache 2.0 يغيّر المعادلة التجارية

صدرت إصدارات Gemma السابقة بترخيص خاص بـ Google أثار احتكاكاً في اعتماد المؤسسات. يزيل Gemma 4 جميع القيود بالانتقال إلى Apache 2.0 — نفس الترخيص المتساهل المستخدم في Kubernetes وTensorFlow ومعظم منظومة السحابة الأصلية.

الفرق العملي كبير. يمكن للشركات تحسين Gemma 4 على بيانات خاصة، ونشر نماذج مشتقة تجارياً، وتوزيع أوزان معدّلة دون أعباء ترخيص. لا توجد حدود قصوى للمستخدمين النشطين شهرياً — على عكس ترخيص مجتمع Llama 4، الذي يتطلب اتفاقية منفصلة بمجرد تجاوز التطبيق 700 مليون مستخدم نشط شهرياً.

بالنسبة للشركات الناشئة والمتوسطة على وجه الخصوص، هذا يزيل عدم اليقين القانوني. يمكن لفريق يبني مساعداً ذكياً داخلياً أو وكيلاً موجهاً للعملاء الإطلاق في الإنتاج دون التواصل مع فريق تراخيص Google.

استدعاء الدوال وتدفقات العمل الوكيلة مدمجة

Gemma 4 ليس مجرد روبوت محادثة أفضل — بل مصمم لـبنيات الوكلاء المستقلين. تم تدريب استدعاء الدوال في النموذج من الأساس، محسّناً لتدفقات وكيلة متعددة الأدوار تتضمن أدوات متعددة في آن واحد. يدعم النموذج مخرجات JSON مهيكلة وتعليمات نظام أصلية، مما يمكّن المطورين من بناء وكلاء يتفاعلون مع واجهات برمجة التطبيقات، وينفذون سير عمل متعدد الخطوات، ويحافظون على حالة متسقة عبر محادثات ممتدة.

على معيار استخدام الأدوات الوكيلة tau2-bench، يسجل Gemma 4 31B نسبة 86.4%، مؤكداً قدرته على التخطيط واستدعاء الأدوات والتصرف بناءً على النتائج في سيناريوهات واقعية. هذا هو الفرق بين نموذج يستطيع الإجابة عن أسئلة ونموذج يستطيع العمل — حجز اجتماع، استعلام قاعدة بيانات، كتابة تقرير، ثم تلخيص النتيجة.

تضيف نافذة السياق بحجم 256 ألف رمز بُعداً آخر. يمكن للوكلاء الذين يعالجون مستندات طويلة أو قواعد كود أو سجلات محادثات ممتدة الحفاظ على التماسك عبر مئات الصفحات من السياق دون اقتطاع أو حيل تلخيص.

الذكاء الاصطناعي الطرفي يصبح واقعاً وليس نظرية

قد يكون الجزء الأكثر أهمية في Gemma 4 هو أصغر النماذج. نسخة E2B، المصممة لأقصى كفاءة في الذاكرة، تعمل بأقل من 1.5 جيجابايت من ذاكرة الوصول العشوائي باستخدام أوزان مكمّمة بـ 2 و4 بت مع تضمينات لكل طبقة مُعيَّنة في الذاكرة. على Raspberry Pi 5، يحقق 7.6 رمز مفكوك في الثانية على المعالج وحده. يرفع NPU Dragonwing IQ8 من Qualcomm هذا الرقم إلى 31 رمزاً في الثانية — سرعة كافية للذكاء الاصطناعي التحادثي في الوقت الفعلي دون اتصال سحابي.

تعاونت Google مع NVIDIA وQualcomm وMediaTek وARM وIntel وAMD لتحسين الأجهزة من اليوم الأول. يشغّل NVIDIA Jetson Orin Nano (8 جيجابايت) كلاً من E2B وE4B مع تسريع TensorRT-LLM. كما يعمل نموذج E2B كأساس لـ Gemini Nano 4، الذي يشغّل ميزات الذكاء الاصطناعي المضمنة على Android.

يوفر إطار النشر LiteRT-LM وقت تشغيل موحداً عبر كامل طيف الأجهزة — من الهواتف إلى لوحات Raspberry Pi إلى وحدات NVIDIA Jetson الطرفية. تعمل النماذج بالكامل دون اتصال، وهو أمر مهم لإنترنت الأشياء الصناعي وأجهزة الرعاية الصحية والمناطق التي يكون فيها الوصول السحابي غير موثوق أو محظور.

ماذا يعني هذا لمشهد النماذج المفتوحة

يضغط Gemma 4 فجوة الأداء بين النماذج المفتوحة والملكية إلى هامش لن تلاحظه العديد من تطبيقات الإنتاج. نموذج بـ 31 مليار معلمة يصنَّف في نفس فئة أنظمة بـ 400 مليار+ يغيّر حسابات التكلفة لكل مؤسسة تقيّم نشر الذكاء الاصطناعي. يزيل ترخيص Apache 2.0 آخر نقطة احتكاك رئيسية كانت تُبقي المؤسسات الحذرة على واجهات برمجة التطبيقات الملكية.

القصة الطرفية لا تقل أهمية. نموذج متعدد الوسائط وكيل يعمل على حاسوب أحادي اللوحة بـ 35 دولاراً يفتح قدرات الذكاء الاصطناعي للأنظمة المدمجة والبيئات غير المتصلة والأسواق محدودة الموارد التي لا تستطيع البنيات المعتمدة على السحابة خدمتها. بالنسبة للمليار تطبيق ذكاء اصطناعي القادم — أجهزة استشعار زراعية، أجهزة نقاط البيع، أجهزة طبية في العيادات الريفية — الاستدلال على الجهاز ليس اختيارياً. إنه البنية الوحيدة القابلة للتطبيق.

تضمن استراتيجية النسخ الأربع (E2B، E4B، 26B MoE، 31B كثيف) أن يختار المطورون المفاضلة الصحيحة بين القدرة والتكلفة، من تطبيقات الهاتف المحمول إلى أحمال العمل في مراكز البيانات. متاح اليوم على Hugging Face وKaggle وOllama، Gemma 4 قابل للنشر بالفعل — السؤال لم يعد ما إذا كانت النماذج المفتوحة تستطيع المنافسة، بل ما إذا كانت واجهات برمجة التطبيقات الملكية تستطيع تبرير تكلفتها الإضافية.

المصادر والقراءات الإضافية

• Gemma 4: Byte for Byte, the Most Capable Open Models — Google Blog
• Bring State-of-the-Art Agentic Skills to the Edge with Gemma 4 — Google Developers Blog
• Bringing AI Closer to the Edge and On-Device with Gemma 4 — NVIDIA Technical Blog
• Google Releases Gemma 4 Under Apache 2.0 — VentureBeat
• Gemma 4 Model Card — Google AI for Developers
• Gemma 4 — Google DeepMind