Gemma：Google 的開源模型怎麼用

Gemma 是 Google DeepMind 釋出的開放權重模型家族：權重檔案可以直接下載，放到自己的筆電或伺服器上離線執行。到 2026 年 9 月 14 日為止，官方文件把授權分成兩套——2026 年 4 月 2 日發表的 Gemma 4 採用 Apache 2.0，是 Open Source Initiative 核可清單上的開源授權；在那之前的 Gemma 3 與 Gemma 3n 仍然適用 Google 自訂的 Gemma Terms of Use，而且綁著一份禁止用途政策。同一個家族講「開源」成不成立，要看你下載的是哪一版。

這篇會帶你看完當天官網列出的版本與尺寸、各自的上下文視窗與官方寫的語言支援、兩套授權原文裡真正會影響你的那幾條，還有三條把模型跑起來的路線：用 Ollama 拉到本機、在 Google AI Studio 直接試，或透過 Gemini API 呼叫。第一節先把 Gemma 和 Gemini 的關係講清楚。

Gemma 是可以下載的權重，Gemini 是雲端服務

Gemini 只能透過 Google 的網站、應用程式或 API 使用，權重留在 Google 那邊；Gemma 給的是權重檔案本身，你下載回來、用 Ollama 或 LM Studio 這類軟體載入，就能離線對話，資料不必離開自己的機器。Google DeepMind 的模型頁把兩者分成不同類別列出：Gemini 掛在一般模型下，Gemma 掛在「Open models」下，介紹詞是「我們最有能力的開放模型」。

兩邊的血緣是同一條。Gemma 3 的模型卡寫 Gemma 是「用打造 Gemini 模型的同一套研究與技術」建成的輕量開放模型；Gemma 4 的發表公告則寫它建立在與 Gemini 3 相同的世界級研究與技術之上，並說 Gemma 與 Gemini 是互補的一組工具，一邊開放、一邊專有。差別不在能力從哪裡來，而在你手上拿到的是一個服務，還是一包檔案。

要先把兩個詞分開：能下載權重不等於開源。這條界線在系列裡有兩篇專門講，開放權重（Open Weights）：能下載模型，還要確認什麼談的是拿到權重之後還要確認什麼，開源 AI（Open Source AI）：公開哪些東西才算完整談的是要公開到什麼程度才算完整的開源。Gemma 正好是同一家公司兩代給出兩種答案的例子。

閱讀完整文字說明

結構圖。最上面一個框寫著 Google DeepMind 的同一套研究與技術，往下分成左右兩條路。左邊藍框是 Gemini 雲端服務：透過網站、App 或 API 使用，權重留在 Google 不提供下載，不必準備硬體、按方案或用量計費；它下面接一個白框，說明你拿到的是一個服務，開一個對話就能用，不能下載權重也不能離線執行，模型與方案由 Google 決定。右邊綠框是 Gemma 開放權重：下載權重檔案在自己的電腦執行，可離線、資料不離開你的機器，Ollama、LM Studio、AI Studio 都能跑；它下面再分成兩個授權框，左邊是 Gemma 4，授權為 Apache 2.0，屬於 OSI 核可的開源授權，沒有禁止用途政策；右邊是 Gemma 3 與 3n，授權為 Gemma Terms of Use，是 Google 自訂授權條款，並加上禁止用途政策。最底下一條白框寫上下文視窗：Gemma 4 的 E2B 與 E4B 是 128K token，12B、26B、31B 是 256K token；Gemma 3 是 32K 或 128K token，Gemma 3n 是 32K token；三代模型卡都寫訓練涵蓋 140 種以上語言。

Gemini 模型怎麼選：速度、能力與情境

當天官網列出的版本與規模

Gemma 4 在 2026 年 4 月 2 日發表，公告當天列出四種尺寸：E2B、E4B、26B 混合專家（Mixture of Experts，MoE）與 31B 稠密模型；2026 年 6 月 3 日再加入 12B。官方文件現在把 Gemma 4 寫成五種尺寸，整個家族都能讀文字與影像、輸出文字，E2B、E4B 與 12B 另外原生支援音訊輸入。模型卡列的參數與上下文視窗如下。

• E2B：有效參數 2.3B（連嵌入表算是 5.1B），上下文視窗 128K token
• E4B：有效參數 4.5B（連嵌入表算是 8B），上下文視窗 128K token
• 12B：11.95B 參數，256K token；模型卡叫它 Unified，把影像與音訊直接投影進語言模型，沒有另外的編碼器
• 26B A4B：總參數 25.2B，每次執行只啟用 3.8B，256K token
• 31B：30.7B 參數，256K token

上一代還留在官網上。Gemma 3 的模型卡列出 270M、1B、4B、12B、27B 五種尺寸，4B、12B、27B 的輸入上下文是 128K token，1B 與 270M 是 32K token；Gemma 3n 走的是另一條路線，只有 E2B 與 E4B 兩種有效尺寸，上下文 32K token，但輸入可以同時是文字、影像、影片與音訊。三代的模型卡都寫訓練資料涵蓋超過 140 種語言。

這些「同時讀圖、聲音與文字」的說法，指的就是多模態 AI（Multimodal AI）是什麼：把圖像、聲音與文字一起理解講的那件事；差別只在 Gemma 把這個能力做成可以下載的檔案。

授權要按版本分開看

Gemma 4 的 Hugging Face 模型卡最上面就寫著 license 是 apache-2.0，授權連結指向 ai.google.dev 上的 Gemma 4 授權頁，而那一頁的內容就是 Apache License 2.0 全文，沒有再附加 Google 的額外條件。Open Source Initiative 的核可授權清單裡有「Apache License, Version 2.0」，所以這一代講「開源」是站得住的；官方公告自己也用了「開源授權」這個說法，並強調可商業使用。

Gemma 3 與 Gemma 3n 不一樣。它們在 Hugging Face 的 license 標籤是 gemma，對應 Gemma Terms of Use。那份條款最後修訂日期是 2026 年 4 月 1 日，附錄逐一列出適用型號，包含 Gemma 1、1.1、2、3、3n，以及 PaliGemma、CodeGemma、ShieldGemma、EmbeddingGemma、T5Gemma、TranslateGemma 這些變體——名單上沒有 Gemma 4，條款開頭也直接寫明 Gemma 4 的條件請看另一頁。這是自訂授權，不在 OSI 的核可清單上，照系列的用法要叫開放權重，不叫開源。

Gemma Terms of Use 原文裡真正會影響你的條款有這幾條。

• 可以使用、修改、再散布，也可以商用，條款全文沒有以月活躍使用者數或營收設下的門檻
• 再散布時要附上條款副本，把使用限制寫成下游也受約束的條文，改過的檔案要標明已修改
• 除了以服務形式提供之外，散布時要附一份 NOTICE 檔，寫明 Gemma 依 ai.google.dev/gemma/terms 的條款提供
• 不得用於禁止用途政策列出的用途，該政策最後修訂日期是 2024 年 2 月 21 日，已併入條款成為一部分
• 禁止用途涵蓋非法活動、詐騙與釣魚、騷擾與仇恨內容、未經同意的追蹤或蒐集個資、冒充他人、無照執業與色情內容
• Google 保留在認定違約時遠端限制使用的權利；模型產生的輸出 Google 不主張權利，但責任在使用者身上

還有一個實務差別。Gemma 3 與 3n 在 Hugging Face 上是受管制倉庫，要先登入並取得存取權才能下載檔案：查證當天直接抓 Gemma 3 的模型卡原文會被擋下來，抓 Gemma 4 的則可以直接讀到。想跳過申請這一步，用 Ollama 的官方標籤是最省事的路線。

Llama 模型家族：授權與版本

OpenAI 的開放權重模型 gpt-oss：怎麼跑、和 ChatGPT 差在哪

在哪裡跑：Ollama、AI Studio 與其他路線

最短的路是 Ollama。Google 的官方整合文件直接給了指令：裝好 Ollama 之後，用 pull 下載模型，用 run 開始對話。文件說 Gemma 4 在 Ollama 上有 E2B、E4B、26B、31B 四個尺寸標籤。

ollama pull gemma4
ollama run gemma4 "roses are red"

要指定尺寸就在冒號後面加標籤。Ollama 官方模型庫當天列出的下載大小與上下文視窗是：gemma4:e2b 為 7.2GB、128K；gemma4:e4b 為 9.6GB、128K，也是預設的 gemma4:latest；gemma4:12b 為 7.6GB、256K；gemma4:26b 為 19GB、256K；gemma4:31b 為 20GB、256K。上一代的 gemma3:4b 是 3.3GB、128K，gemma3:12b 是 8.1GB，gemma3:27b 是 17GB；gemma3n:e2b 是 5.6GB、32K，gemma3n:e4b 是 7.5GB、32K。

ollama pull gemma4:e2b
ollama pull gemma4:31b
ollama pull gemma3:4b
ollama pull gemma3n:e4b

Gemma 4 讀得懂圖片，指令裡把圖片路徑接在提示詞後面就行，這是官方文件給的範例寫法。

ollama run gemma4 "caption this image /Users/$USER/Desktop/surprise.png"

不想先裝軟體，可以在 Google AI Studio 直接開一個對話試。Gemini API 的定價頁把 Free 方案列成「免費的輸入與輸出 token」加「可使用 Google AI Studio」，同一欄也寫著免費層的內容會被用來改善 Google 的產品，付費層才寫明不會。要用程式呼叫的話，官方文件說 Gemini API 目前支援 gemma-4-31b-it 與 gemma-4-26b-a4b-it 兩個型號，API 金鑰同樣在 AI Studio 取得。除此之外，官方頁面點名的執行環境還有 LM Studio、Keras、llama.cpp、MLX、Kaggle，以及 Google Cloud 的 Vertex AI。介面步驟以官網當天版本為準。

Ollama 入門：Windows、Mac 安裝與第一個模型

AI Studio 與第一個 Gemini API 呼叫

硬體與語言：官方寫了什麼、沒寫什麼

模型卡本身沒有列硬體需求表，官方公告只給了兩個數字。Gemma 4 的發表公告寫 26B 與 31B 未量化的 bfloat16 權重可以放進單張 80GB 的 NVIDIA H100；Gemma 4 12B 的公告寫它只要 16GB 顯示記憶體或統一記憶體就能在筆電上跑，文中也寫成 16GB 記憶體的消費級筆電。其他尺寸官方沒有給明確數字。Ollama 列的下載大小是量化後的檔案體積，不等於執行時要的記憶體，實際需求以官網為準。

語言支援也只能照官方寫的講。Gemma 4 的模型卡寫訓練資料涵蓋超過 140 種語言，並列出「35 種以上語言的開箱支援」；Gemma 3 與 3n 的模型卡同樣寫超過 140 種語言。但這三份文件都沒有逐一列出是哪些語言，也沒有針對繁體中文的單獨評測數字，官方唯一提到中文的地方，是 Gemma 4 模型卡評測表底下那行「不含中文」的註腳，標在兩項音訊評測上。所以中文寫出來像不像樣，只能自己拿題目試，官方說法以官網為準。

跑本機模型要什麼電腦：記憶體、顯示記憶體與 Apple Silicon

要不要選 Gemma

如果你的需求是離線、資料不外流，或想把模型調整成自己領域的樣子，Gemma 4 是目前門檻最低的一條路：授權單純、尺寸從手機級到工作站級都有，Ollama 一行指令就能開始；官方公告把它形容成你能在自己硬體上跑的最有能力的模型家族。如果你只是想問問題、整理文件，不打算準備硬體，那走 Gemini 的雲端服務會省事得多。兩者不是二選一，官方公告本來就把它們定位成互補的組合。

最後提醒一件事：模型會產生錯誤或不當內容，這一點 Google 在 Gemma 頁面底部自己也寫明了，並要你不要拿模型的輸出當醫療、法律或財務建議。在本機跑少了雲端服務的內容過濾，這個責任反而更完整地落在你身上。

Gemini 新手入門：帳號、介面與第一個對話

• AI 工具
• AI 寫程式與本機模型