A família Gemma 4 foi anunciada pelo Google em 2 de abril de 2026 com pesos abertos e licença Apache 2.0. Isso amplia possibilidades de adaptação e uso comercial, mas não significa ausência de obrigações legais, de custos de infraestrutura ou de revisão sobre os dados utilizados.
Variantes, contexto e implantação
O anúncio de 2 de abril trouxe E2B, E4B, 26B MoE e 31B Dense. O model card consultado em 2 de outubro também inclui 12B Unified. A tabela distingue a configuração do modelo do tamanho realmente ocupado no seu ambiente.
| Variante | Arquitetura | Contexto indicado | Critério de hardware e ajuste |
|---|---|---|---|
| E2B | Modelo com parâmetros efetivos e embeddings por camada | 128K tokens | Dispositivos móveis e borda; confira memória e runtime |
| E4B | Modelo com parâmetros efetivos e embeddings por camada | 128K tokens | Dispositivos móveis e borda; compare latência na mesma tarefa |
| 26B A4B | Mixture of Experts (MoE) | 256K tokens | GPU ou estação; quantização, cache e contexto mudam a memória necessária |
| 31B | Dense | 256K tokens | GPU ou estação; reserve recursos próprios para eventual fine-tuning |
| 12B Unified | Dense, presente no catálogo atual | 256K tokens | Confira a variante e o suporte de entrada no runtime escolhido |
Contexto máximo não equivale a garantia de leitura correta de um documento. Antes de ajustar pesos, compare um prompt com exemplos e uma divisão de avaliação separada. Se fizer fine-tuning, registre licença dos dados, base, configuração e custo e repita os casos reservados. A quantização que permite inferência não demonstra que o mesmo hardware suporta treinamento.
O que Apache 2.0 muda
Leia a licença do repositório oficial. Ela não substitui análise de privacidade, licenças do seu conjunto de dados ou marcas de terceiros. Removemos deste guia uma citação atribuída à Hugging Face sem confirmação e a expressão “sem restrições legais”.
Um teste útil para português
Exemplo didático: prepare dez mensagens fictícias de atendimento, incluindo duas com informação incompleta e uma com uma regra contraditória. Peça ao modelo que devolva categoria, resumo de até 40 palavras e evidência textual. A referência é a classificação escrita pela equipe, não a opinião do próprio modelo sobre seu desempenho.
Compare E4B e outra variante viável no mesmo runtime. Registre latência, memória, erros de categoria e quantas respostas inventam uma política. Um modelo menor que passa no teste pode ser suficiente; um maior que erra a regra precisa ser corrigido ou descartado.
Antes de colocar em produção
Valide primeiro com exemplos artificiais. Depois, avalie acesso, retenção de dados, atualização dos pesos e responsabilidade por respostas erradas. Pesos abertos permitem controle técnico adicional; não produzem conformidade ou precisão automaticamente.
Onde continuar a prática
Consulte o programa de ChatGPT para Pesquisar. Para conhecer a escola antes de escolher um plano, o ChatGPT para Iniciantes é gratuito. A formação usa ferramentas de terceiros; o plano da escola não inclui assinaturas desses serviços.
