Google lançou o Gemma 4 hoje em quatro tamanhos: Effective 2B, Effective 4B, 26B Mixture of Experts, e 31B Dense, alegando que seu modelo 31B ocupa o #3 no leaderboard de texto do Arena AI enquanto o 26B garante o #6. Os modelos rodam sob licenciamento Apache 2.0 e são construídos da mesma pesquisa do Gemini 3, com Google enfatizando eficiência de "inteligência-por-parâmetro" que supostamente permite a eles "superar modelos 20x seu tamanho".
O timing é interessante. Google está empurrando forte para modelos abertos justo quando a comunidade debate se desenvolvimento verdadeiramente aberto pode competir com sistemas fechados. Sua alegação de 400 milhões de downloads para versões anteriores do Gemma sugere adoção real, mas rankings do Arena AI podem ser manipulados e nem sempre refletem performance do mundo real. O foco em eficiência de parâmetros importa mais que os rankings—se um modelo 26B genuinamente performa como um modelo 500B+, isso é uma virada de jogo de hardware para desenvolvedores rodando inferência em escala.
Google não forneceu verificação independente de suas alegações de performance, e não consegui encontrar cobertura de outras fontes para corroborar os rankings do Arena AI que citam. A ênfase em "agentic workflows" e "raciocínio avançado" soa como marketing padrão de lançamento de modelo, mas o targeting específico de hardware—de dispositivos Android a GPU de laptops—sugere que estão sérios sobre deployment em edge.
Para builders, o teste real não é posição no leaderboard mas se esses modelos realmente entregam capacidades de fronteira em hardware de consumidor. Se as alegações de eficiência se sustentarem, Gemma 4 poderia democratizar acesso ao raciocínio avançado de AI. Se não, é só mais um lançamento de modelo super-promovido com benchmarks selecionados a dedo.