谷歌Gemma 4技术报告公布：无编码器多模态与深度思考能力下放端侧
谷歌Gemma 4通过无编码器架构和本地思考能力，让端侧模型性能逼近云端闭源模型，并彻底开源。
谷歌DeepMind开源Gemma 4全系模型，砍掉了传统的视觉和音频编码器，改用极简投影层把原始像素和波形直接输入统一Transformer。2.3B到31B的模型都支持本地“思考模式”，在数学、科学等任务上逼近甚至超越更大闭源模型。Apache 2.0协议开源，可在笔记本、树莓派等设备运行。
正文摘录
 新智元报道  【新智元导读】 谷歌公布最新 Gemma 4 技术报道！Gemma 4 用实际行动证明：端侧大模型不再是云端的廉价替代品，而是拥有原生多模态理解和深度思考能力的独立智能体。 Gemma 4 技术报告发布！ 你是否也曾算过这样一笔账？ 在开发一款真正实时的多模态应用时，你不得不把音视频流打包，跨越数千公里送往云端。 每一次极小的调用，都在悄无声息地消耗 API 余额。一旦网络抖动、带宽受限，或是隐私合规的铁拳落下，你苦心搭建的用户体验就会瞬间崩盘。 我们曾被反复告知：端侧大模型只是云端巨人的 像素缩水版 。它们只能处理干瘪的文本。至于真正的深度推理、多模态理解，那永远是几十万张 A100 堆砌出的云端神殿的专属特权。 7月初，Google DeepMind 发布 Gemma 4，全系 Apache 2.0 彻底开源。  传送门：https://arxiv.org/abs/2607.02770 这是一次近乎学术叛逆的底层重构——他们直接 干掉了 多模态模型里最沉重、最不可或缺的视觉与音频编码器，把媲美顶级云端 AI 的 思考心流 塞进了笔记本、甚至手机都能离线跑通的轻量身躯里。