Las ambiciones de IA abierta de Google se volvieron mucho más serias hoy. La compañía lanzó Gemma 4, una familia de cuatro modelos de peso abierto construidos sobre la misma investigación que Gemini 3 y licenciados bajo Apache 2.0, una desviación significativa de los términos más restrictivos de las versiones anteriores de Gemma.

Los desarrolladores han descargado generaciones anteriores de Gemma más de 400 millones de veces, generando más de 100,000 variantes comunitarias. Este lanzamiento es el más ambicioso hasta la fecha.

Durante el último año, la clasificación de IA de código abierto ha sido en gran medida un asunto chino. DeepSeek, Minimax, GLM y Qwen han dominado los primeros puestos, dejando a las alternativas estadounidenses luchando por la relevancia. Como informó Decrypt el año pasado, los modelos abiertos chinos pasaron de apenas el 1.2% del uso global de modelos abiertos a finales de 2024 a aproximadamente el 30% a finales de 2025, con el Qwen de Alibaba incluso superando al Llama de Meta como el modelo autoalojado más utilizado en todo el mundo.

El Llama de Meta solía ser la opción predeterminada para los desarrolladores que querían un modelo capaz y ejecutable localmente. Esa reputación se ha erosionado: la licencia controlada por Meta de Llama planteó preguntas sobre su verdadero estado de código abierto, y su rendimiento quedó rezagado frente a la competencia china. La familia OLMo del Allen Institute intentó llenar el vacío, pero no logró una tracción significativa. OpenAI lanzó sus modelos gpt-oss en agosto de 2025, lo que dio un soplo de aire fresco al ecosistema, pero nunca fueron diseñados para ser competidores de vanguardia.

Y ayer, una startup estadounidense de 30 personas llamada Arcee AI lanzó Trinity, un modelo abierto de 400 mil millones de parámetros que presentó un caso convincente de que la escena estadounidense no estaba completamente muerta. Gemma 4 sigue ese impulso, esta vez con todo el peso de Google DeepMind detrás, convirtiéndolo en, posiblemente, el mejor modelo estadounidense en la escena de la IA de código abierto.

El modelo está "construido a partir de la misma investigación y tecnología de clase mundial que Gemini 3", dijo Google en su anuncio. Gemma 4 se envía en cuatro tamaños: Effective 2B y 4B para teléfonos y dispositivos de borde, un modelo Mixture of Experts de 26B centrado en la velocidad, y un modelo Dense de 31B optimizado para calidad bruta.

El 31B Dense actualmente ocupa el tercer lugar entre todos los modelos abiertos en la clasificación de texto de Arena AI. El 26B MoE se encuentra en sexto lugar. Google afirma que ambos superan a modelos 20 veces su tamaño, una afirmación que se mantiene, al menos frente a los números de Arena AI, donde los modelos chinos aún ocupan los dos primeros puestos.

Probamos Gemma 4. Es capaz, con algunas salvedades. El modelo aplica razonamiento incluso a tareas que no lo requieren, lo que puede hacer que las respuestas parezcan demasiado elaboradas para prompts simples. La escritura creativa es decente —aceptable, no inspirada— y probablemente mejora con una guía más específica y la ingeniería de prompts.

Donde más claramente destacó fue en el código. Al pedirle que generara un juego, el resultado no fue particularmente llamativo ni elaborado, pero se ejecutó sin errores al primer intento. No está mal para un modelo de 41 mil millones de parámetros. Esa fiabilidad de cero disparos es, posiblemente, más valiosa que un resultado más bonito que necesite depuración.

Puedes probar el juego (básico, pero funcional) aquí.

Las cuatro variantes cubren todo el espectro de hardware. Los modelos E2B y E4B están construidos para teléfonos Android, Raspberry Pi y dispositivos de borde, ejecutándose completamente offline con latencia casi nula, entrada de audio nativa y una ventana de contexto de 128K. Los modelos 26B y 31B están dirigidos a estaciones de trabajo y despliegues en la nube, extendiendo el contexto a 256K y añadiendo llamadas a funciones nativas y salida JSON estructurada para construir agentes autónomos. Los cuatro modelos procesan imágenes y video de forma nativa. Los pesos de precisión completa de los modelos más grandes caben en una única GPU NVIDIA H100 de 80 GB; las versiones cuantificadas se ejecutan en hardware de consumo.

La licencia Apache 2.0 es la otra noticia destacada. Las versiones anteriores de Gemma de Google utilizaban una licencia personalizada que creaba ambigüedad legal para los productos comerciales. Apache 2.0 elimina esa fricción por completo: los desarrolladores pueden modificar, redistribuir y comercializar sin preocuparse de que Google cambie los términos más tarde. Clement Delangue, cofundador de Hugging Face, lo elogió, diciendo que "la IA local está teniendo su momento", y que es el futuro de la industria de la IA. Demis Hassabis, CEO de Google DeepMind, fue más allá, calificando a Gemma 4 como "los mejores modelos abiertos del mundo para sus respectivos tamaños".

Esa es una afirmación contundente. Los sistemas propietarios de Anthropic, OpenAI y el propio Gemini de Google todavía lideran en los benchmarks más difíciles. Pero para modelos de peso abierto que puedes ejecutar localmente, modificar libremente e implementar en tu propia infraestructura, ¿qué? La competencia se ha reducido significativamente. Ya puedes probar Gemma 4 en Google AI Studio (31B y 26B) o Google AI Edge Gallery (E2B y E4B). Los pesos del modelo también están disponibles en Hugging Face, Kaggle y Ollama.