Gemma 4
6 published articles
Código Abierto
Gemma 4 alcanza los 300 millones de descargas, convirtiendo el peso abierto en la nueva normalidad del desarrollo de IA
Gemma 4 de Google DeepMind ha alcanzado los 300 millones de descargas, un hito que señala el creciente papel del modelo de peso abierto en el desarrollo de IA en producción. Su combinación de eficiencia arquitectónica y capacidades multimodales lo convierte en una alternativa seria a los modelos propietarios.
2026-07-24
Google DeepMind
Gemma 4 acaba de hacer que todos los demás modelos de peso abierto parezcan 10 veces demasiado grandes
La familia de peso abierto nativamente multimodal Gemma 4 de Google DeepMind introduce modo de pensamiento, arquitectura sin codificador y opciones MoE. El modelo de 2.3B iguala el rendimiento del Gemma 3 de 27B. El modelo de 31B lidera las tablas de clasificación de peso abierto.
2026-07-13
Análisis de pesos abiertos
Gemma 4 no es un chatbot, y ese es el punto
Gemma 4 de Google DeepMind es un modelo de pesos abiertos diseñado para autoalojamiento y personalización, no para chat de consumo. Este análisis lo compara con ChatGPT, Claude y Qwen-3.5 en términos de licencias, privacidad y flexibilidad de implementación, revelando por qué es importante para industrias reguladas y la IA en el dispositivo.
2026-07-10
Google DeepMind
El Gemma 4 de Google DeepMind convierte 26 mil millones de parámetros en una máquina de razonamiento que cabe en una GPU
El informe técnico de Gemma 4 de Google DeepMind detalla una familia de modelos de peso abierto con mezcla de expertos, ventanas de contexto de 1 millón de tokens y visión multimodal. El lanzamiento señala una jugada estratégica para llevar el razonamiento de nivel fronterizo a los desarrolladores sin el costo de las API propietarias.
2026-07-09
IA Móvil
Gemma 4 funciona completamente sin conexión en dispositivos móviles, sin necesidad de la nube
Los desarrolladores de React Native ahora pueden integrar Gemma 4 para inferencia sin conexión con aceleración de hardware tanto en Android como en iOS. El modelo maneja tareas de visión y uso de herramientas localmente, como se demostró al leer un volante y programar un evento del calendario completamente en el dispositivo.
2026-07-09
Rendimiento
Gemma 4 funciona casi un 90 % más rápido en Ollama 0.31 con predicción de múltiples tokens
Ollama 0.31 introduce la predicción de múltiples tokens para Gemma 4 en Apple Silicon, logrando una generación de tokens casi un 90 % más rápida en evaluaciones de codificación. La aceleración proviene de un modelo borrador ajustado automáticamente y un kernel MLX personalizado que elimina lecturas redundantes de pesos.
2026-06-29