2026年4月2日、Googleがひっそりとしかし確実に大きな一歩を踏み出しました。Gemma 4のリリースです。
個人でiOSアプリを開発しながら世界各地でアート活動をしている私にとって、「端末上でAIを動かせるかどうか」は死活問題に近いテーマです。クラウドAPIに依存すると通信コストやレイテンシの問題が避けられない。でも軽量モデルは精度が低く、実用に耐えない。そのジレンマを、Gemma 4は本気で解消しようとしています。
今回は、Gemma 4を実際に触ってみた体験をもとに、開発者目線での率直な感想をお伝えします。
Gemma 4とは何か：4つのサイズで提供される新世代オープンモデル
Gemma 4はGoogleが提供するオープンモデルシリーズの最新版で、4つのサイズが揃っています。
- Effective 2B：スマートフォンやRaspberry Piで動かすための最小モデル
- Effective 4B：エッジデバイス向けで最もバランスの取れたサイズ
- 26B Mixture of Experts（MoE）：高性能なクラウド用途向け
- 31B Dense：業界標準のArena AIリーダーボードで世界3位を記録
注目すべきはライセンスの変更です。Gemma 4からApache 2.0ライセンスが採用されました。これは商用利用、改変、再配布が自由になったことを意味します。個人開発者やスタートアップがサービスに組み込める条件が大幅に改善されました。
実際に試して驚いたこと：マルチモーダルと長文脈の組み合わせ
Gemma 4の最大の特長は、全サイズでテキストと画像の入力に対応している点です。エッジモデル（2B/4B）では音声入力にも対応しています。
私がまず試したのは画像を使ったアプリのプロトタイピングです。スクリーンショットを入力として渡し、「このUIのアクセシビリティ上の問題点を指摘して」と依頼したところ、色のコントラスト比、タップターゲットのサイズ、テキストの可読性について具体的なフィードバックが返ってきました。Gemini APIでも同様のことはできますが、オフライン環境やプライバシーが重要な場面では、端末内で処理できる価値は計り知れません。
もう一つ印象的だったのが256Kトークンのコンテキストウィンドウです。これは大型のコードベースを丸ごと読み込ませたり、長い会話の文脈を保持したりするのに十分な長さです。アプリのログファイルを貼り付けてデバッグを依頼する、という使い方も現実的になってきました。
数学とコーディングの精度：31Bモデルの進化
31Bモデルの性能向上は特に顕著です。
数学ベンチマーク（AIME）のスコアが**20.8%から89.2%へ、コーディングベンチマーク（LiveCodeBench）が29.1%から80.0%**へと大幅に向上しています。
アプリ開発の文脈で言えば、コードレビューや関数の実装補助において、以前のGemmaシリーズとは質的に異なる体験ができます。私が試したSwiftのコードでは、メモリリークの可能性がある非同期処理のパターンを的確に指摘し、修正案も提示してくれました。クラウドの大型モデルに近い精度で、これが手元で動くのは素直に驚きでした。
モバイルアプリ開発者として気になること：Gemini Nanoとの関係
Googleによれば、Gemma 4は次世代Gemini Nanoの基盤になる予定です。Android端末に内蔵されているGemini Nanoが次のバージョンアップでGemma 4ベースになるとすれば、それはAndroidアプリのOSレベルAI機能が大幅に強化されることを意味します。
今でもAndroid AICore経由でGemini Nanoにアクセスする実験的なAPIがありますが、精度や機能はまだ限定的です。Gemma 4ベースのNanoが普及すれば、ネット接続なしでも高精度なAI機能をアプリに組み込める時代が本格的に来るかもしれません。
実際、Googleはすでに「Gemma 4 in AICore Developer Preview」をアナウンスしており、対応デバイスで試験的に動作することが確認されています。2B/4Bモデルがスムーズに動くスペックのデバイスは現在のミドルレンジ端末でも十分なので、普及は思ったより早く進む可能性があります。
Gemini APIとの使い分け：どちらを選ぶべきか
Gemma 4を試してみて、私の中で整理がついてきた使い分けがあります。
Gemini APIを使うべき場面
クラウドのGemini APIは最新の大型モデル（Gemini 2.5 Proなど）を使えるため、推論の深さや最新情報へのアクセスが必要なタスクに向いています。ユーザーが常時ネット接続している前提のアプリや、精度最優先の処理に使うのが合理的です。
Gemma 4（オンデバイス）を使うべき場面
プライバシーが重要なユーザーデータの処理、オフライン環境での機能提供、APIコストを抑えたい場合、レイテンシを最小化したい場合、これらはGemma 4のオンデバイス実行が有利です。特に、ユーザーの個人情報や医療・財務データを扱うアプリでは、クラウドに送らずに処理できることがそのままサービスの信頼性向上につながります。
Google AI StudioとHugging Faceで今すぐ始められる
Gemma 4はいくつかの方法ですぐに試せます。
Google AI Studioでは、ブラウザだけでGemma 4の各モデルを試すことができます。APIキーを使ったコード例も自動生成されるので、既存のGemini APIのコードからの移行も簡単です。
Hugging FaceにはGemma 4の全モデルが公開されており、transformersライブラリから数行のコードで呼び出せます。ローカルマシンやGoogle ColabでGPUを使って動かすことも可能です。
Vertex AI経由でも利用可能で、GCPのインフラと組み合わせたエンタープライズ用途にも対応しています。
今後の期待：オープンモデルのエコシステムが厚くなる
Gemma 4のリリースで、私が最も期待しているのはコミュニティのファインチューニングです。Apache 2.0ライセンスになったことで、特定ドメイン向けにカスタマイズされたGemma 4のバリアントが続々と登場することが予想されます。
日本語に特化したモデル、医療・法律・教育分野に最適化されたモデル、特定のコーディングスタイルに合わせたモデル——こうした派生モデルが増えるほど、開発者の選択肢は広がります。
Googleが本気でオープンモデル戦略に舵を切ったことは、Gemma 4からはっきりと見て取れます。商用フリーのライセンス、マルチモーダル対応、エッジから大規模クラウドまでカバーする4サイズ展開——これらは単なる機能追加ではなく、AIを「使う側」と「作る側」の距離を縮めようという明確な意志の表れだと感じます。
まだ試していない方は、まずGoogle AI Studioで触れてみることをおすすめします。思ったよりずっと使いやすく、思ったよりずっと賢いはずです。