Google lanza Gemma 4, un modelo de IA multimodal que cabe en un móvil
La nueva familia de modelos de código abierto de Google alcanza el rendimiento de sistemas mucho más grandes, pero funciona sin conexión en dispositivos baratos.
Google acaba de presentar Gemma 4, una familia de modelos de inteligencia artificial de pesos abiertos (cuyo código y arquitectura interna están disponibles para que cualquiera los descargue, modifique y use) capaces de entender y generar texto e imágenes. Lo notable no es solo su rendimiento —comparable al de modelos mucho más grandes— sino que pueden ejecutarse sin conexión a internet en hardware modesto: desde un ordenador portátil de gama media hasta un teléfono móvil o una Raspberry Pi (un ordenador del tamaño de una tarjeta de crédito que cuesta menos de cien euros).
La familia incluye tres variantes principales. Gemma 4 2B es el modelo más pequeño, con dos mil millones de parámetros (los valores numéricos que el modelo ajusta durante su entrenamiento), pensado para ejecutarse en dispositivos con recursos limitados como móviles o tabletas. Gemma 4 9B, de nueve mil millones de parámetros, ofrece un equilibrio entre capacidad y eficiencia, ideal para ordenadores de sobremesa o servidores pequeños. Y Gemma 4 27B, el más potente, está diseñado para tareas que exigen mayor precisión, aunque sigue siendo mucho más ligero que otros modelos de su categoría.
Según los benchmarks publicados por Google (pruebas estandarizadas que miden el rendimiento de los modelos en tareas como razonamiento, comprensión de texto o generación de código), Gemma 4 9B supera a modelos rivales con el doble de parámetros en varias categorías. En tareas de visión, como describir o responder preguntas sobre imágenes, la versión de 27 mil millones de parámetros obtiene resultados similares a los de Gemini 1.5 Flash (el modelo comercial de Google orientado a aplicaciones rápidas), pero con una fracción de su tamaño y coste computacional.
Google ha optimizado los modelos para que funcionen con cuantización (una técnica que reduce la precisión numérica de los pesos del modelo para hacerlo más ligero sin perder demasiada calidad) en cuatro, e incluso dos bits por parámetro. Esto permite, por ejemplo, ejecutar Gemma 4 2B en un iPhone 15 Pro o en una Jetson Orin Nano (un ordenador compacto de Nvidia diseñado para robótica e IA embebida) sin necesidad de procesadores gráficos dedicados. La compañía también ha publicado versiones ajustadas con instrucciones (instruction-tuned, entrenadas específicamente para seguir órdenes de un usuario) y herramientas compatibles con frameworks populares como PyTorch, JAX y TensorFlow.
Todos los modelos están disponibles desde hoy en Hugging Face (una plataforma donde desarrolladores comparten y descargan modelos de IA ya entrenados), Kaggle (un servicio de Google para competiciones de machine learning y notebooks en la nube) y Vertex AI (la plataforma de inteligencia artificial de Google Cloud). Google ha publicado además documentación técnica detallada y ejemplos de código para facilitar su adopción en aplicaciones reales, desde asistentes virtuales que funcionan sin conexión hasta robots autónomos o sistemas de análisis de imágenes médicas en dispositivos portátiles.
