Google springt mit Gemma 4 zurück ins Open Source AI-Rennen

Googles Open-KI-Ambitionen wurden heute deutlich ernster. Das Unternehmen veröffentlichte Gemma 4, eine Familie von vier Open-Weight-Modellen, die auf derselben Forschung wie Gemini 3 basieren und unter Apache 2.0 lizenziert sind – eine bedeutende Abkehr von den restriktiveren Bedingungen früherer Gemma-Versionen.

Entwickler haben frühere Gemma-Generationen über 400 Millionen Mal heruntergeladen und mehr als 100.000 Community-Varianten erstellt. Diese Veröffentlichung ist die bisher ambitionierteste.

Im vergangenen Jahr war die Open-Source-KI-Bestenliste weitgehend eine chinesische Angelegenheit. DeepSeek, Minimax, GLM und Qwen dominierten die Spitzenplätze und ließen amerikanische Alternativen um Relevanz kämpfen. Wie Decrypt letztes Jahr berichtete, stieg der Anteil chinesischer offener Modelle an der globalen Open-Model-Nutzung von kaum 1,2 % Ende 2024 auf etwa 30 % bis Ende 2025, wobei Alibabas Qwen sogar Metas Llama als meistgenutztes selbst gehostetes Modell weltweit überholte.

Metas Llama war früher die Standardwahl für Entwickler, die ein leistungsfähiges, lokal ausführbares Modell wollten. Dieser Ruf hat gelitten – Llamas von Meta kontrollierte Lizenz warf Fragen über seinen wahren Open-Source-Status auf, und seine Leistung fiel hinter die chinesische Konkurrenz zurück. Die OLMo-Familie des Allen Institute versuchte, die Lücke zu füllen, konnte aber keine nennenswerte Zugkraft gewinnen. OpenAI veröffentlichte im August 2025 seine gpt-oss-Modelle, die dem Ökosystem frischen Wind brachten, aber sie waren nie als Spitzenkonkurrenten konzipiert.

Und gestern veröffentlichte ein 30-köpfiges US-Startup namens Arcee AI Trinity, ein offenes Modell mit 400 Milliarden Parametern, das überzeugend darlegte, dass die amerikanische Szene nicht völlig tot war. Gemma 4 folgt diesem Schwung, diesmal mit dem vollen Gewicht von Google DeepMind dahinter, was es wohl zum besten amerikanischen Modell in der Open-Source-KI-Szene macht.

Das Modell ist „auf derselben erstklassigen Forschung und Technologie wie Gemini 3 aufgebaut", sagte Google in seiner Ankündigung. Gemma 4 gibt es in vier Größen: Effective 2B und 4B für Smartphones und Edge-Geräte, ein 26B Mixture of Experts-Modell mit Fokus auf Geschwindigkeit und ein 31B Dense-Modell, das auf reine Qualität optimiert ist.

Das 31B Dense rangiert derzeit auf Platz drei unter allen offenen Modellen auf Arena AIs Text-Bestenliste. Das 26B MoE liegt auf Platz sechs. Google behauptet, dass beide Modelle übertreffen, die 20-mal größer sind – eine Behauptung, die zumindest gegen die Arena-AI-Zahlen standhält, wo chinesische Modelle immer noch die ersten beiden Plätze belegen.

Wir haben Gemma 4 getestet. Es ist leistungsfähig, mit einigen Einschränkungen. Das Modell wendet Reasoning selbst auf Aufgaben an, die es nicht erfordern, was dazu führen kann, dass Antworten auf einfache Prompts überentwickelt wirken. Kreatives Schreiben ist anständig – brauchbar, nicht inspiriert – und verbessert sich wahrscheinlich mit spezifischeren Anleitungen und Prompt Engineering.

Wo es am deutlichsten ablieferte, war Code. Aufgefordert, ein Spiel zu generieren, war die Ausgabe nicht besonders auffällig oder aufwendig, aber sie lief beim ersten Versuch fehlerfrei. Nicht schlecht für ein 41-Milliarden-Parameter-Modell. Diese Zero-Shot-Zuverlässigkeit ist wohl wertvoller als ein schöneres Ergebnis, das Debugging erfordert.

Sie können das (einfache, aber funktionale) Spiel hier ausprobieren.

Die vier Varianten decken das gesamte Hardware-Spektrum ab. Die E2B- und E4B-Modelle sind für Android-Smartphones, Raspberry Pi und Edge-Geräte konzipiert und laufen vollständig offline mit nahezu null Latenz, nativer Audio-Eingabe und einem 128K-Kontextfenster. Die 26B- und 31B-Modelle zielen auf Workstations und Cloud-Bereitstellungen ab, erweitern den Kontext auf 256K und fügen native Funktionsaufrufe und strukturierte JSON-Ausgabe für den Aufbau autonomer Agenten hinzu. Alle vier Modelle verarbeiten Bilder und Videos nativ. Die vollständigen Präzisionsgewichte der größeren Modelle passen auf eine einzelne 80GB NVIDIA H100 GPU; quantisierte Versionen laufen auf Consumer-Hardware.

Die Apache 2.0-Lizenz ist die andere Schlagzeile. Googles frühere Gemma-Veröffentlichungen verwendeten eine benutzerdefinierte Lizenz, die rechtliche Unklarheiten für kommerzielle Produkte schuf. Apache 2.0 beseitigt diese Reibung vollständig – Entwickler können modifizieren, weiterverbreiten und kommerzialisieren, ohne sich Sorgen machen zu müssen, dass Google die Bedingungen später ändert. Hugging Face-Mitbegründer Clement Delangue lobte es und sagte, dass „Lokale KI ihren Moment hat" und es die Zukunft der KI-Branche ist. Google DeepMind CEO Demis Hassabis ging weiter und nannte Gemma 4 „die besten offenen Modelle der Welt für ihre jeweiligen Größen".

Das ist eine starke Behauptung. Proprietäre Systeme von Anthropic, OpenAI und Googles eigenem Gemini führen immer noch bei den härtesten Benchmarks. Aber für Open-Weight-Modelle, die Sie lokal ausführen, frei modifizieren und auf Ihrer eigenen Infrastruktur bereitstellen können? Die Konkurrenz ist gerade deutlich dünner geworden. Sie können Gemma 4 jetzt in Google AI Studio (31B und 26B) oder Google AI Edge Gallery (E2B und E4B) ausprobieren. Modellgewichte sind auch auf Hugging Face, Kaggle und Ollama verfügbar.