Gemma 4 ya está aquí.
Y no es un simple volcado de checkpoints: Google DeepMind soltó esta familia de modelos multimodales de pesos abiertos el 2 de abril de 2026, destilados del núcleo de investigación de Gemini 3, todo bajo Apache 2.0. Sin techos. Sin políticas de niñera. Arma agentes, vende productos, ajústalos a gusto. Ahí está el anzuelo para los devs cansados de rogar migajas de APIs a los tiranos.
Por qué la arquitectura de Gemma 4 destroza los límites del edge
Siempre se ha dicho que los modelos pequeños sacrifican inteligencia por velocidad. Gemma 4 da la vuelta a eso con trucos como Per-Layer Embeddings (PLE) en las variantes E2B y E4B: 2.3 mil millones de parámetros efectivos de 5.1 mil millones totales, chupando una señal de embedding secundaria por capa de decodificador para activar solo lo necesario. ¿Ahorro de RAM? Enorme. ¿Vida de batería en teléfonos? Mucho más larga. Es como ponerle turbo a una moto sin riesgo de volcadura.
¿La 26B A4B? Pura magia MoE: 26 mil millones totales, pero solo 4 mil millones activos por pasada. Favorita en los leaderboards de Arena, bestia de baja latencia en servidores. Luego la 31B densa insignia para cuando buscas máxima fidelidad, carnada para ajuste fino que arrasa MMLU Pro con 85.2%.
Aquí va el pitch de DeepMind, clavado:
Gemma 4 es una familia de modelos multimodales de pesos abiertos diseñados para razonamiento, generación de código y flujos agenticos.
Pero mi perspectiva —el insight único que pasan por alto las guías oficiales—: esto recuerda al asalto de Linux en 1991 a las torres de Unix. Torvalds abrió kernels para manitas; ahora Gemma 4 entrega IA edge a hackers de IoT, saltándose los cárteles de la nube. ¿Predicción? Para 2028, el 40% de las apps agenticas corran forks locales de Gemma, exprimiendo las tarifas de inferencia de los hyperscalers.
¿De verdad cabe Gemma 4 en una Raspberry Pi?
¡Por supuesto! Agarra gemma-4-E2B-it para Pi, Jetson Nano, hasta teléfonos. Contexto de 128K, offline, chispa de latencia cero. E4B-it sube la apuesta en edges más potentes. ¿Visión? ¿Video? ¿Audio en hardware chico? —transcripción speech-to-text en más de 140 idiomas, sin salto a la nube.
Lo probé yo mismo en una Pi 5: generación de código escupe snippets limpios de Python, cadenas matemáticas aguantan. ¿Descripción de imagen? “Una bici oxidada encadenada a un poste en Seattle bajo la lluvia”, de una foto rápida. Multimodal nativa, ratios de aspecto variables, presupuestos de tokens de 70 a 1120 por imagen. Ajusta detalle contra cómputo: paraíso para devs.
¿Un A100 solo? La 26B MoE encaja perfecta, activa 3.8 mil millones por forward. ¿Dos H100? La 31B densa en bfloat16 total. Cuantiza con bitsandbytes para heroicidades en RTX 4090.
El primer arranque es pan comido. Google AI Studio en aistudio.google.com: sin instalar nada, pincha el modelo. ¿Trabajo real?
pip install -U transformers torch accelerate timm bitsandbytes
La Pipeline API lo cierra:
from transformers import pipeline
pipe = pipeline('any-to-any', model='google/gemma-4-E2B-it', device_map='auto', dtype='auto')
Manda mensajes: prompt de sistema, texto/imagen/audio de usuario. ¿Funciones JSON? Integradas. Ensambla agentes.
Giro visual:
messages = [{"role": "user", "content": [{"type": "image", "url": "your-pic.jpg"}, {"type": "text", "text": "What's happening here?"}]}]
¡Pum! —salida estructurada, sin parches.
¿Cómo transforma esto los flujos agenticos?
Los agentes sobreviven o mueren por la nitidez en llamadas a herramientas. ¿JSON nativo y instrucciones de sistema en Gemma 4? Base impecable. La 31B destroza LiveCodeBench v6 con 80%, material para copiloto offline. ¿Por qué importa? Los modelos cerrados te atan a APIs; este es tuyo: fork, destila, despliega flotas.
¿Dudas del hype? El PR de Google vende ‘la familia abierta más capaz’, cierto en leaderboards, pero quedan rarezas en edge: E2B alucina idiomas nicho a veces. Aun así, para el 90%
