近期，Google DeepMind开源了 Gemma 4 系列模型， 依托与 Gemini 3同源的技术体系，其不仅在 Arena AI 排行榜中跻身全球前三，更以远小于同级竞品的参数规模，实现了接近甚至超越更大尺寸模型的能力表现。同时，基于 Apache 2.0 许可证的开源策略，也进一步降低了应用门槛，使其在实际生产环境中的落地潜力大幅提升。

从产品形态来看，Gemma 4 并非单一模型，而是覆盖 E2B、E4B、26B A4B 到 31B 的多尺寸体系， 分别对应移动端、本地部署到高性能算力环境等不同场景。这种分层设计的核心逻辑在于：以「规模—性能—成本」的平衡，满足差异化需求——小模型强调轻量与实时性，而大模型则专注复杂推理与高精度任务。

其中，31B 版本作为当前系列中的性能上限，其能力水平甚至可以媲美 Qwen 3.5 397B，应用场景上，31B 版支持图文输入与文本输出，具备最高达 256K tokens 的上下文窗口，并原生支持推理、函数调用以及系统提示（system prompts）， 同时还支持超过 140 种语言，因此在高质量问答、代码辅助以及智能体（agent）服务等场景中表现出色。

热门模型的能力与参数规模之间的关系

目前，OpenBayes 官网的教程版块已上线「一键部署 Gemma-4-31B-it」，** 助力开发者低门槛体验先进模型。

在线运行链接：

go.openbayes.com/DNlNs

Demo 运行

01

Demo 运行阶段

1. 登录 OpenBayes.com，在「公共教程」页面，选择「一键部署 Gemma-4-31B-it」教程。

2.页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。

3.选择「NVIDIA RTX PRO 6000」以及「PyTorch」镜像，点击「继续执行」。新用户使用下方邀请链接注册，即可获得满 ¥10 赠 ¥10 优惠券，更有机会获得 ¥15 赠金！

小贝总专属邀请链接（直接复制到浏览器打开）：

go.openbayes.com/9S6Dr

4.等待分配资源，当状态变为「运行中」后，点击「打开工作空间」进入 Jupyter Workspace。

02

效果演示

页面跳转后，点击左侧 README.ipynb 文件，进入后点击上方「运行」。

待运行完成，即可点击右侧 API 地址跳转至 demo 页面。

教程链接：

go.openbayes.com/DNlNs