Gemma（Google）

Gemma 4 の必要スペックを早見表で公開。VRAM要件は E2B/E4B が5GB、26B MoE が16GB、31B Dense が24GB（Q4）または62GB（FP16）。RTX 3060からH100、Apple Silicon M1〜M4、CPU動作、Mac/Windows/Linux別の推奨スペック・容量・動作環境・推奨GPU・予算別構成まで、2026年Q2時点の最新情報で網羅。

Gemma 4、Llama 4、Qwen 3.5の3大ローカルLLMを徹底比較。ベンチマーク性能、ライセンス、日本語対応、ハードウェア要件、ユースケース別の選定基準を詳しく解説します。

Googleが2026年4月2日にリリースしたGemma 4の完全ガイド。E2B、E4B、26B MoE、31B Denseの4バリアント、Apache 2.0ライセンス、マルチモーダル対応など最新情報とOllamaでの実行方法を詳しく解説します。

**Cerebras が 2026-06-29 に [Gemma 4 31B を Cerebras Inference で公開](https://www.cerebras.ai/blog/gemma-4-on-cerebras-the-fastest-inference-is-now-multimodal)**、同社プラットフォームで **初のマルチモーダル対応**、Google DeepMind の **初モデル** となる公開プレビュー。**パフォーマンス**: **1,851 output tokens/秒**（一般的な GPU エンドポイントの **35 倍**）、**first token 1.5 秒以下**（推論込み）、[Artificial Analysis Intelligence Index で 29](https://artificialanalysis.ai/) を記録（Claude Haiku 4.5 の 30 と同等）、**Cerebras 上で Haiku の 18 倍速**。**モデル仕様**: **[Gemma 4 31B](../columns/gemma-4-technical-report-2026-07) dense アーキテクチャ**（MoE ではない）、**Apache 2.0 オープンウェイト**、long-context 対応、画像理解（スクリーンショット・チャート・ドキュメント・UI 状態・図面・スキャンページ・フォーム）。**独自価値**: これまで GPU 上では実用不可能だったマルチモーダルワークロード（**computer use / 画像駆動エージェント / UI デバッグ + コードパッチ生成 / ダッシュボードのリアルタイム分析 / 長文ドキュメント要約**）を wafer-scale 速度で解禁。**位置付け**: [Gemma 4 Technical Report](../columns/gemma-4-technical-report-2026-07) で解説した Google DeepMind の open-weights 戦略が、**Cerebras の wafer-scale ハードウェアと組み合わさって『マルチモーダル × 高速推論 × オープンウェイト』の新たなインフラスタック** に到達した事例、[OpenAI GPT-5.6 + ChatGPT Work](../columns/openai-chatgpt-work-launch-2026-07)・[Claude Cowork](../columns/claude-cowork-web-mobile-launch-2026-07) が下地とする **クローズドモデル陣営に対する open-weights + 高速推論陣営の反攻**。[Nous Portal 経由の 300+ モデル中立](../columns/nous-portal-cloud-hermes-agent-2026-07) や [ローカル LLM 展開](../columns/local-llm-landscape-2026-june-update) と組み合わせて **オープンウェイト実用時代の 2026 年後半 AI インフラスタック** を構成。**Cerebras Inference Cloud の公開プレビュー**（期間限定）で提供、[API ドキュメント](https://inference-docs.cerebras.ai/models/gemma-4-31b) 参照。

**Software Mansion 提供の [React Native ExecuTorch](https://docs.swmansion.com/react-native-executorch/) が `useLLM` フックを公開**、React Native アプリに **オンデバイス LLM をネイティブに統合**。**対応モデル**: Qwen (2.5 / 3 / 3.5)・Llama 3.2・Hammer 2.1・Phi 4 Mini・SmolLM 2・LFM2.5（ビジョン対応）・**[Gemma 4](../columns/gemma-4-technical-report-2026-07)（ビジョン + オーディオ対応）** の量子化版。**2 つの動作モード**: **Functional/Stateless**（`generate()` メソッドと `response` プロパティで conversation history を自前管理、tool calling とチャット設定は無効）と **Managed/Stateful**（`sendMessage()` でフックが自動的に conversation state 保持・tool call parse・callback 実行）。**キー機能**: token batching（トークンをバッチ化して re-render 削減）、tool calling（tool schema 定義でモデルが外部関数を invoke、自動 parse + callback 実行）、vision-language / audio マルチモーダル入力、生成コントロール（temperature / top-p / repetition penalty / mid-stream 中断）、**JSONSchema または Zod による構造化出力**。**用途**: サーバー依存のないオンデバイスチャットボット、プライバシー重視の会話 UI、カレンダー / フラッシュライト等のアプリ内 function calling、画像解析 / 音声書き起こし。**位置付け**: [Gemma 4 の encoder-free 12B](../columns/gemma-4-technical-report-2026-07) と [Qwen 3.6-35B](../columns/qwen36-35b-a3b-uncensored-abliterated-2026-07) のような最新 open-weight LLM が **iOS / Android アプリでネイティブに動く時代の入り口** を実装レベルで示す React Native 界隈の重要成果。

**Google DeepMind の Gemma Team が [arXiv:2607.02770](https://arxiv.org/abs/2607.02770) として 2026-07-02 に Gemma 4 Technical Report を公開**。**2.3B / 12B / 31B のパラメータ範囲**、**Dense と MoE の両バリアント**、**text / image / audio ネイティブマルチモーダル**、**12B は encoder-free 統一設計**（raw audio と image patches を追加エンコーダなしで直接処理）、**reasoning mode（thinking mode）標準搭載**、**改良された vision / audio エンコーダ**、**推論速度・メモリ効率・long context の architectural refinement**、**STEM / multimodal / long-context ベンチで上位オープンモデルと競合**。300 名以上の著者による大規模プロジェクト。オープンウェイトのため商用利用可、Hugging Face・Ollama で配布。位置付けは [Qwen 3.6-35B-A3B](../columns/qwen36-35b-a3b-uncensored-abliterated-2026-07)・[ローカル LLM 2026 年 6 月版](../columns/local-llm-landscape-2026-june-update) と並ぶオープンウェイト最前線の新章。**Google の open-weights 戦略の到達点**、encoder-free unified 設計は Qwen / Llama / DeepSeek のマルチモーダル手法（別途 vision encoder + projection）と一線を画す。**reasoning mode** は Anthropic / OpenAI クローズドモデルの extended thinking との対称、オープン側の追随。留保: 商用ライセンスの詳細条件、systemic-risk（EU AI Act 10^25 FLOPs 閾値）該当可能性、Google Cloud Vertex AI との統合エコシステム偏重。