جاهطلبیهای گوگل در زمینه هوش مصنوعی باز امروز بسیار جدیتر شد. این شرکت جما 4 را منتشر کرد، مجموعهای متشکل از چهار مدل با وزن باز که بر اساس همان تحقیقات جمنای 3 ساخته شدهاند و تحت مجوز آپاچی 2.0 عرضه میشوند – که انحراف قابل توجهی از شرایط محدودکنندهتر نسخههای قبلی جما است.
توسعهدهندگان نسلهای گذشته جما را بیش از 400 میلیون بار دانلود کردهاند که منجر به ایجاد بیش از 100,000 نسخه جامعهمحور شده است. این انتشار بلندپروازانهترین آنها تا به امروز است.
We just released Gemma 4 — our most intelligent open models to date.
Built from the same world-class research as Gemini 3, Gemma 4 brings breakthrough intelligence directly to your own hardware for advanced reasoning and agentic workflows.
Released under a commercially… pic.twitter.com/W6Tvj9CuHW
— Google (@Google) April 2, 2026
در طول سال گذشته، جدول ردهبندی هوش مصنوعی متنباز عمدتاً در دست چینیها بوده است. DeepSeek، Minimax، GLM و Qwen جایگاههای برتر را به خود اختصاص دادهاند و جایگزینهای آمریکایی را در تلاش برای حفظ جایگاه خود رها کردهاند. همانطور که Decrypt سال گذشته گزارش داد، مدلهای باز چینی از کمتر از 1.2 درصد استفاده جهانی از مدلهای باز در اواخر سال 2024 به تقریباً 30 درصد تا پایان سال 2025 رسیدند و حتی Qwen از علیبابا از لاما متا به عنوان پرکاربردترین مدل خودمیزبان در سراسر جهان پیشی گرفت.
لاما متا قبلاً انتخاب پیشفرض برای توسعهدهندگانی بود که به دنبال یک مدل قدرتمند و قابل اجرا به صورت محلی بودند. این شهرت از بین رفته است - مجوز تحت کنترل متا برای لاما سوالاتی را در مورد وضعیت واقعی متنباز آن ایجاد کرد و عملکرد آن از رقابت چینی عقب افتاد. خانواده OLMo موسسه آلن سعی در پر کردن این شکاف داشتند اما نتوانستند کشش معنیداری به دست آورند. OpenAI مدلهای gpt-oss خود را در اوت 2025 منتشر کرد که نفس تازهای به اکوسیستم بخشید، اما هرگز برای رقابت در جبهه پیشرو طراحی نشده بودند.
و دیروز، یک استارتاپ 30 نفره آمریکایی به نام Arcee AI، Trinity را منتشر کرد، یک مدل باز با 400 میلیارد پارامتر که استدلال قانعکنندهای ارائه داد که صحنه آمریکایی کاملاً از بین نرفته است. جما 4 این حرکت را دنبال میکند، این بار با تمام توان گوگل دیپمایند در پشت آن، که آن را به مسلماً بهترین مدل آمریکایی در صحنه هوش مصنوعی متنباز تبدیل میکند.
گوگل در اطلاعیه خود گفت که این مدل "از همان تحقیقات و فناوری در سطح جهانی جمنای 3 ساخته شده است." جما 4 در چهار اندازه عرضه میشود: E2B و E4B کارآمد برای گوشیها و دستگاههای لبهای، یک مدل 26B Mixture of Experts با تمرکز بر سرعت، و یک مدل 31B Dense بهینهسازی شده برای کیفیت خام.
مدل 31B Dense در حال حاضر در جدول ردهبندی متنی Arena AI در بین تمام مدلهای باز رتبه سوم را دارد. مدل 26B MoE در جایگاه ششم قرار دارد. گوگل ادعا میکند که هر دو از مدلهای 20 برابر بزرگتر خود پیشی میگیرند - ادعایی که حداقل در برابر اعداد Arena AI که مدلهای چینی هنوز دو جایگاه برتر را در اختیار دارند، صادق است.
ما جما 4 را آزمایش کردیم. قدرتمند است، اما با برخی ملاحظات. این مدل حتی برای کارهایی که نیاز به استدلال ندارند، از استدلال استفاده میکند که میتواند پاسخها را برای درخواستهای ساده بیش از حد مهندسی شده جلوه دهد. نوشتن خلاقانه آن خوب است - کاربردی، نه الهامبخش - و احتمالاً با راهنماییهای خاصتر و مهندسی پرامپت بهبود مییابد.
جایی که به وضوح نتیجه داد، کد بود. وقتی از آن خواسته شد یک بازی تولید کند، خروجی آن به خصوص پر زرق و برق یا پیچیده نبود، اما در اولین تلاش بدون خطا اجرا شد. برای یک مدل با 41 میلیارد پارامتر بد نیست. این قابلیت اطمینان بدون آموزش قبلی مسلماً ارزشمندتر از یک نتیجه زیباتر است که نیاز به رفع اشکال دارد.
میتوانید بازی (ساده اما کاربردی) را اینجا امتحان کنید.
چهار نسخه مختلف، تمام طیف سختافزاری را پوشش میدهند. مدلهای E2B و E4B برای گوشیهای اندروید، رزبری پای و دستگاههای لبهای ساخته شدهاند که کاملاً آفلاین با تأخیر نزدیک به صفر، ورودی صوتی بومی و پنجره زمینه 128 هزار اجرا میشوند. مدلهای 26B و 31B ایستگاههای کاری و استقرار ابری را هدف قرار میدهند و زمینه را به 256 هزار گسترش میدهند و فراخوانی تابع بومی و خروجی JSON ساختاریافته را برای ساخت عوامل خودمختار اضافه میکنند. هر چهار مدل تصاویر و ویدئو را به صورت بومی پردازش میکنند. وزنهای با دقت کامل مدلهای بزرگتر روی یک پردازنده گرافیکی 80 گیگابایتی NVIDIA H100 جای میگیرند؛ نسخههای کوانتیزه شده روی سختافزار مصرفی اجرا میشوند.
مجوز آپاچی 2.0 عنوان خبری دیگر است. نسخههای قبلی جما گوگل از یک مجوز سفارشی استفاده میکردند که ابهام قانونی برای محصولات تجاری ایجاد میکرد. آپاچی 2.0 این اصطکاک را به طور کامل از بین میبرد - توسعهدهندگان میتوانند بدون نگرانی از تغییر شرایط توسط گوگل در آینده، آن را اصلاح، توزیع مجدد و تجاریسازی کنند. کلمنت دلانگ، همبنیانگذار Hugging Face، از آن تمجید کرد و گفت که "هوش مصنوعی محلی لحظه خود را تجربه میکند" و آینده صنعت هوش مصنوعی است. دمی حسابی، مدیرعامل گوگل دیپمایند، فراتر رفت و جما 4 را "بهترین مدلهای باز در جهان برای اندازههای مربوطه خود" نامید.
Excited to launch Gemma 4: the best open models in the world for their respective sizes. Available in 4 sizes that can be fine-tuned for your specific task: 31B dense for great raw performance, 26B MoE for low latency, and effective 2B & 4B for edge device use - happy building! pic.twitter.com/Sjbe3ph8xr
— Demis Hassabis (@demishassabis) April 2, 2026
این یک ادعای قوی است. سیستمهای اختصاصی از Anthropic، OpenAI و جمنای خود گوگل هنوز در سختترین معیارها پیشتاز هستند. اما برای مدلهای با وزن باز که میتوانید به صورت محلی اجرا کنید، آزادانه تغییر دهید و روی زیرساخت خود مستقر کنید؟ رقابت به طور قابل توجهی کمتر شد. میتوانید اکنون جما 4 را در Google AI Studio (31B و 26B) یا Google AI Edge Gallery (E2B و E4B) امتحان کنید. وزنهای مدل نیز در Hugging Face، Kaggle و Ollama موجود است.
