Neue Generation multimodaler KI-Modelle von Google DeepMind veröffentlicht

Die Welt der künstlichen Intelligenz (KI) ist ständig in Bewegung, geprägt von Innovationen und der Freigabe neuer Modelle, die die Grenzen des Machbaren erweitern. Eine aktuelle und bemerkenswerte Entwicklung ist die Veröffentlichung der Gemma 4 Familie von multimodalen Modellen durch Google DeepMind. Diese Modelle, insbesondere die Varianten 31B und 26B-A4B, sind nun auf der Plattform Hugging Face verfügbar und können mit nur einem Klick über Hugging Face Inference Endpoints bereitgestellt werden. Diese Freigabe, die kurz vor Ostern stattfand, ermöglicht Entwicklern und Unternehmen den Zugang zu fortschrittlicher KI-Technologie unter einer kommerziell nutzbaren Lizenz.

Die Gemma 4 Modellfamilie: Eine detaillierte Betrachtung

Die Gemma 4 Modelle stellen die vierte Generation von Googles offener Modellfamilie dar. Sie zeichnen sich durch ihre multimodalen Fähigkeiten aus, die die Verarbeitung von Text- und Bildeingaben umfassen, wobei kleinere Varianten (E2B und E4B) zusätzlich Audio- und Videoeingaben unterstützen. Die Textausgabe bleibt eine Kernfunktion. Diese Modelle sind sowohl in vortrainierten als auch in instruktionsoptimierten Versionen erhältlich und bieten eine Kontextlänge von bis zu 256.000 Tokens. Die Unterstützung von über 140 Sprachen unterstreicht ihren globalen Anwendungsbereich.

Architektur und Effizienz

Ein zentraler Aspekt der Gemma 4 Modelle ist die Effizienz. Google DeepMind hat bei dieser Generation den Fokus darauf gelegt, die Leistung zu optimieren, ohne unbedingt die Modellgröße zu erhöhen. Dies zeigt sich darin, dass die kleinsten Modelle der Gemma 4 Serie bereits die Leistungsniveaus der größten Gemma 3 Modelle erreichen. Dies impliziert, dass rechenintensive Aufgaben, die zuvor leistungsstarke Hardware erforderten, nun auf Geräten mit geringerer Rechenleistung, wie beispielsweise Smartphones, ausgeführt werden könnten.

Die Architektur variiert je nach Modellvariante:

• Die 31B-Variante greift auf eine dichtere, klassische Struktur zurück.
• Die 26B-A4B-Variante verwendet eine Mixture-of-Experts (MoE)-Architektur. Bei dieser Architektur werden während der Inferenz (dem Berechnungsprozess) nur etwa vier Milliarden Parameter aktiv genutzt, obwohl das Modell insgesamt 26 Milliarden Parameter besitzt. Dies trägt zu einer höheren Verarbeitungsgeschwindigkeit und einem moderateren Ressourcenverbrauch bei, während die Breite des Wissens erhalten bleibt.
• Kleinere Modelle, wie E2B und E4B, nutzen Per-Layer Embeddings (PLE). Diese Technik liefert jeder Dekodierschicht eine spezifische Einbettung für jedes Token, was die Parametereffizienz maximiert und die Leistung speziell für mobile Prozessoren optimiert.

Multimodale Fähigkeiten und Anwendungsbereiche

Die multimodalen Fähigkeiten der Gemma 4 Modelle sind breit gefächert und umfassen:

• Bildverstehen: Objekterkennung, Analyse von Dokumenten und PDFs, Verständnis von Benutzeroberflächen, Diagrammanalyse, optische Zeichenerkennung (OCR) in mehreren Sprachen und Handschrifterkennung. Bilder können in variablen Seitenverhältnissen und Auflösungen verarbeitet werden.
• Audio- und Videoverstehen: Die kleineren Modelle E2B und E4B bieten eine native Verarbeitung von Audio- und Videoformaten, einschließlich automatischer Spracherkennung.
• Interleaved Multimodal Input: Die Möglichkeit, Text und Bilder in beliebiger Reihenfolge innerhalb eines Prompts zu kombinieren.
• "Thinking"-Modus: Ein integrierter Denkmodus ermöglicht es dem Modell, komplexe Probleme schrittweise zu bearbeiten, bevor eine endgültige Antwort generiert wird.
• Funktionsaufruf: Native Unterstützung für strukturierte Werkzeugnutzung, was die Entwicklung autonomer Agenten erleichtert.
• Codierung: Verbesserte Leistung bei der Codegenerierung, -vervollständigung und -korrektur.

Lizenzierung und Verfügbarkeit

Ein wichtiger Aspekt, insbesondere für den B2B-Sektor, ist die Lizenzierung. Die Gemma 4 Modelle werden unter der Apache 2.0 Lizenz bereitgestellt. Diese offene Lizenz ermöglicht nicht nur die freie Nutzung, sondern auch die flexible Integration in proprietäre Projekte und die kommerzielle Anwendung. Dies senkt die Eintrittsbarriere für Entwickler und Unternehmen, die diese fortschrittlichen KI-Modelle in ihren Produkten und Dienstleistungen einsetzen möchten. Die Verfügbarkeit auf Hugging Face, einer führenden Plattform für KI-Modelle, vereinfacht zudem den Zugang und die Bereitstellung.

Praktische Implementierung und Benchmarks

Die Bereitstellung der Gemma 4 Modelle kann über Hugging Face Inference Endpoints erfolgen. Dies ermöglicht eine schnelle und effiziente Integration in bestehende Infrastrukturen. Erste Tests zeigen, dass die Modelle eine hohe Inferenzgeschwindigkeit erreichen. Die 31B-Variante konnte beispielsweise eine Antwortgeschwindigkeit von über 10 Tokens pro Sekunde erreichen, während die kleineren E4B- und 26B-A4B-Varianten über 40 Tokens pro Sekunde und das kleinste Modell über 60 Tokens pro Sekunde lieferten. Diese Geschwindigkeiten sind für viele Anwendungen ausreichend, wobei der Bedarf an Arbeitsspeicher bei der Nutzung des vollen Kontextfensters, insbesondere bei den größeren Modellen, beachtlich sein kann.

Die Benchmark-Ergebnisse für die instruktionsoptimierten Modelle zeigen eine hohe Leistung in verschiedenen Kategorien:

• Argumentation & Wissen: MMLU Pro, AIME 2026, GPQA Diamond.
• Codierung: LiveCodeBench v6, Codeforces ELO.
• Vision: MMMU Pro, OmniDocBench 1.5, MATH-Vision, MedXPertQA MM.
• Audio: CoVoST, FLEURS.
• Langer Kontext: MRCR v2 8 needle 128k.

Diese Ergebnisse positionieren die Gemma 4 Modelle als leistungsstarke Werkzeuge für eine Vielzahl von KI-Anwendungen.

Ausblick und Bedeutung für den B2B-Markt

Die Veröffentlichung der Gemma 4 Modelle unter einer freizügigen Lizenz könnte weitreichende Auswirkungen auf den B2B-Markt haben. Unternehmen erhalten Zugang zu fortschrittlicher multimodaler KI, die sie für die Entwicklung innovativer Lösungen in Bereichen wie Kundenservice, Datenanalyse, Content-Erstellung und Automatisierung nutzen können. Die Optimierung für den Einsatz auf verschiedenen Geräten, von Edge-Geräten bis zu leistungsstarken Servern, eröffnet zudem neue Möglichkeiten für dezentrale KI-Anwendungen.

Die kontinuierliche Weiterentwicklung und Freigabe von Open-Source-Modellen wie Gemma 4 trägt dazu bei, die Demokratisierung der KI voranzutreiben und den Wettbewerb im Bereich der generativen KI zu beleben. Für Unternehmen, die auf der Suche nach skalierbaren, effizienten und leistungsfähigen KI-Lösungen sind, bieten die Gemma 4 Modelle eine interessante Option, die es zu evaluieren gilt.

Die AI-Branche beobachtet diese Entwicklungen genau, da sie das Potenzial haben, die Art und Weise, wie Unternehmen KI einsetzen und davon profitieren, nachhaltig zu verändern. Die Möglichkeit, diese Modelle über Plattformen wie Hugging Face einfach zu integrieren und zu nutzen, wird einen weiteren Schub für die praktische Anwendung von KI in der Wirtschaft geben.

Bibliografie

- Hugging Face Blog. (2026, April 2). Welcome Gemma 4: Frontier multimodal intelligence on device. https://huggingface.co/blog/gemma4 - NotebookCheck.net News. (2026, April 3). Gemma 4 on Hugging Face: Google's Easter surprise for download. https://www.notebookcheck.net/Gemma-4-on-Hugging-Face-Google-s-Easter-surprise-for-download.1265198.0.html - Hugging Face. (n.d.). google/gemma-4-31B-it · Any params/containers to deploy it from HF Inference Endpoints?. https://huggingface.co/google/gemma-4-31B-it/discussions/7 - Hugging Face. (n.d.). google/gemma-4-26B-A4B · Hugging Face. https://huggingface.co/google/gemma-4-26B-A4B - Hugging Face. (n.d.). arthurcollet/gemma-4-26B-A4B-it-mlx-mxfp8 - Hugging Face. https://huggingface.co/arthurcollet/gemma-4-26B-A4B-it-mlx-mxfp8 - Hugging Face. (n.d.). google/gemma-4-26B-A4B-it · Hugging Face. https://huggingface.co/google/gemma-4-26B-A4B-it - Hugging Face. (n.d.). cyankiwi/gemma-4-26B-A4B-it-AWQ-4bit · Hugging Face. https://huggingface.co/cyankiwi/gemma-4-26B-A4B-it-AWQ-4bit - Hugging Face. (n.d.). unsloth/gemma-4-26B-A4B-it-GGUF · Hugging Face. https://huggingface.co/unsloth/gemma-4-26B-A4B-it-GGUF - Hugging Face. (n.d.). ggml-org/gemma-4-26B-A4B-it-GGUF · Hugging Face. https://huggingface.co/ggml-org/gemma-4-26B-A4B-it-GGUF - Hugging Face. (n.d.). bartowski/google_gemma-4-26B-A4B-it-GGUF · Hugging Face. https://huggingface.co/bartowski/google_gemma-4-26B-A4B-it-GGUF