Home/Blog
8 min read

Gemma 4 — Apache 2.0 で商用制限を全解放、Gemini 3 品質の 31B がオープンモデル世界 3 位

googlegemmaopen-sourcellmfine-tuningon-device-aiapache

2026年4月2日、Google が Gemma シリーズを全開放した

2026年4月2日、Google は Gemma 4 を Apache 2.0 ライセンスで公開した。Gemma シリーズとして初めて OSI 承認の商用フリーライセンスが適用された。

モデルは 4 種類。スマートフォン向けの E2B・E4B から、コンシューマー GPU 向けの 26B MoE、ファインチューニング用途の 31B Dense まで、一つのファミリーがエッジからワークステーションを網羅する。31B は Arena AI のオープンモデルリーダーボードで 世界 3 位を記録した。

Gemma シリーズはこれまで Google 独自の制限ライセンスで配布されていた。Apache 2.0 への切り替えは、ダウンロード 4 億回・派生バリアント 10 万件超のコミュニティに商用利用・改変・再配布の権利を与えることを意味する。

モデルラインナップ

4 バリアントの仕様

モデル実効パラメータ動作環境context用途
E2B2Bスマートフォン・Raspberry Pi128Kオフライン chatbot・音声入力
E4B4Bスマートフォン・Jetson Nano128Kエッジ推論・マルチモーダル
26B MoE26B（活性 3.8B）コンシューマー GPU256K高速推論・コスト効率
31B Dense31Bワークステーション256Kファインチューニング・高品質生成

E2B・E4B はネイティブ音声入力に対応しており、テキスト・画像・動画・音声をモデル単体で処理できる。26B MoE は活性パラメータが 3.8B に抑えられているため、コンシューマー GPU でも実用的な速度が出る。

入手先

Hugging Face、Kaggle、Ollama、Google AI Studio（大型）、Google AI Edge Gallery（エッジ向け）で公開されている。

# Ollama での取得と実行
ollama pull gemma4:31b
ollama run gemma4:31b "このコードのバグを特定して"

# エッジモデルの動作確認
ollama pull gemma4:e4b
ollama run gemma4:e4b "この画像に写っているものを説明して"

Gemma 3 からの差分

ベンチマーク比較（31B vs Gemma 3）

ベンチマークGemma 3Gemma 4 31B変化
MMLU（一般知識）67.6%85.2%+17.6pt
AIME 2026（数学）20.8%89.2%+68.4pt
Agentic tool use6.6%86.4%+79.8pt
Arena AI オープン順位—世界 3 位—

最も目を引くのは Agentic tool use の 6.6% → 86.4% という跳ね上がりだ。1 世代前のモデルは function calling をほとんど使えなかったが、Gemma 4 はエージェントワークフローの実戦投入に耐える性能に達した。

数学も同様に劇的だ。AIME 2026 で 89.2% は、オープンモデルとしては突出している。Gemini 3 の研究・技術を転写した構造が数字に出ている。

アーキテクチャの継続性

公式は「Gemini 3 と同じ世界水準の研究・技術から構築された」と説明している。Gemma シリーズは Google の旗艦モデルのダウンスケール版ではなく、同じ研究基盤から派生したオープン分岐だ。

Apache 2.0 が意味すること

ライセンス比較

ライセンス商用利用改変再配布ファインチューン後の販売代表モデル
Apache 2.0✅✅✅✅Gemma 4、Qwen 3.5 Small
MIT✅✅✅✅Phi-3-mini
Google 独自（旧 Gemma）制限あり制限あり制限あり❌Gemma 1〜3
Meta Custom利用者数制限制限あり制限あり制限あり旧 Llama 2

Gemma 1〜3 では「Google のサービスと競合するプロダクトへの使用禁止」などの制約が課せられていた。Gemma 4 はそれを全廃した。

Apache 2.0 の実質的な意味は「モデル重みを手元で改変し、製品として販売できる」ことだ。GPT-4o や Claude の API を再販するビジネスとは根本的に異なる。上位レイヤーに自社の差別化を積めるかどうかが、今後の競争軸になる。

日本への示唆

SI 企業にとってのビジネス機会

日本のシステムインテグレーターは長年、海外 SaaS のライセンス再販と保守でマージンを取ってきた。OpenAI API の再販もその延長線上にある。

Gemma 4 Apache 2.0 が変えるのは、「作って売る」ことができる素材が生まれたという点だ。

ビジネスモデル従来Gemma 4 以降
調達GPT-4o/Claude API 再販Gemma 4 ベースの自社モデルを販売
差別化プロンプトエンジニアリング業界特化ファインチューニング（医療・法律・製造）
マージン構造API 通過料モデル製品 + 運用保守
参入障壁ほぼなし（誰でも同じ API を呼べる）ファインチューニングの質と継続改善

製造業向けに設計図・品質マニュアルで fine-tune したモデル、医療機関向けに診療記録フォーマットで学習したモデルを自社パッケージとして提供する——という構成が Apache 2.0 によって初めて成立する。

プライバシー規制との相性

個人情報保護法の厳格化以降、日本の医療・金融・行政の現場では「データをクラウドに送れない」制約が残っている。Gemma 4 のオンプレ・エッジ展開は、この制約と整合する数少ない高性能オープンモデルの選択肢だ。

業界クラウド AI の制約Gemma 4 オンプレで解決できること
医療電子カルテの外部送信は要同意院内 GPU で推論、データは院外に出ない
金融顧客情報の第三者提供は制限ありオンプレサーバーで稟議・契約書を AI 処理
製造設計図は門外不出工場内エッジで品質判定・異常検知
行政機密文書はクラウド利用禁止ローカル LLM でドキュメント要約・分類

ローカル開発環境の変化

31B が Ollama で動き、26B MoE が 3.8B の活性パラメータで高速推論できるということは、M4 MacBook Pro（24GB 統合メモリ）でも実用的な速度が出る。

# MLX（Apple Silicon）での Gemma 4 31B fine-tuning
# mlx_lm を使った LoRA fine-tune

from mlx_lm import load, generate
from mlx_lm.tuner import train

model, tokenizer = load("google/gemma-4-31b-it")

# LoRA fine-tune（4bit量子化で VRAM 節約）
train(
    model=model,
    tokenizer=tokenizer,
    data="./data/medical_qa.jsonl",
    lora_rank=8,
    num_layers=16,
    batch_size=4,
    num_epochs=3,
)

Claude Code や Cursor のバックエンドをローカル Gemma 4 に差し替えて、ネット接続なし・API コストゼロで AI コーディングを使う構成が現実的になった。

Qwen 3.5 との比較

直近では Qwen 3.5 Small が「9B で 120B 超え」を示した。Gemma 4 はアーキテクチャの継続性と multimodal の幅で差別化する。

比較軸Qwen 3.5 SmallGemma 4
最大モデル9B31B Dense
ライセンスApache 2.0Apache 2.0
Agentic tool use△（Qwen 2.5 世代から改善）86.4%（31B）
multimodal画像・動画（テキスト・画像）画像・動画・音声（全モデル）
音声入力E4B 相当なしE2B・E4B にネイティブ搭載
出自Alibaba（中国）Google（Gemini 3 派生）

どちらを選ぶかはユースケース次第。ファインチューニング重視なら Gemma 4 の 31B、超軽量・コスト優先なら Qwen 3.5 E2B が候補に入る。

まとめ

ポイント内容
Apache 2.0 初採用Gemma 1〜3 の制限ライセンスを全廃。商用製品化が解禁
Agentic tool use 86.4%Gemma 3 の 6.6% から 80pt 近い跳ね上がり。エージェント実用レベル
31B がオープン世界 3 位Gemini 3 の研究基盤を Apache で解放
エッジ → ワークステーション対応E2B からスタートし 31B まで同一ファミリー
日本の SI に新ビジネス機会業界特化ファインチューンモデルを製品として販売できる素材が揃った

「高性能 AI = クラウド API」という前提が、また一段崩れた。Google がこのタイミングで Apache 2.0 に踏み切ったのは、オープンソースコミュニティへのシグナルであり、同時に Hugging Face に群雄割拠するオープンモデル市場での存在感確保でもある。日本の SI 企業にとって、Apache 2.0 のオープン重みは「仕入れ先」ではなく「製造原材料」に変わる。

参考リンク

Edit on GitHub