Google 宣布推出 Gemma 4 開源模型家族，首度採用 Apache 2.0 授權，提供四款規格涵蓋手機到工作站，效能可擊敗體積大 20 倍的模型。

繼去年底推出專有大型語言模型Gemini 3 Pro之後，Google進一步宣佈，正式將打造該系列模型的同源技術與研究成果帶給開源社群，推出全新一代「Gemma 4」開源權重模型 (Open-weight models)家族。

值得注意的是，這次Google不僅賦予這系列模型強大的多模態與離線編碼能力，更首度捨棄自家Gemma授權形式，全面改為更自由的Apache 2.0授權協議，大幅提升開發者的佈署彈性。

四款級距全面涵蓋：從智慧型手機到高階工作站

為了滿足不同硬體環境的運算需求，Google這次依照參數規模 (Parameters)，一口氣推出四種不同版本的Gemma 4模型：

• 主攻邊緣裝置 (Edge devices)：針對智慧型手機等算力與記憶體受限的裝置，Google提供20億 (2B)與40億 (4B)參數規模的「Effective」 (效能)模型。

• 主攻高階工作站與伺服器：針對具備更強大硬體的運算平台，則推出260億 (26B)參數規模的「Mixture of Experts」 (混合專家)系統，以及310億 (31B)參數規模的「Dense」 (密集)系統。

「參數智力比」創紀錄：越級擊敗20倍大模型

Google在聲明中充滿自信地表示，Gemma 4達到「前所未有的單位參數智力水準」 (Intelligence-per-parameter)。

根據Arena AI文字基準測試排行榜，Gemma 4的310億與260億參數版本，分別強勢奪下第三名與第六名的佳績，其表現甚至擊敗體積比它們龐大20倍的巨型模型。

在多模態 (Multimodal)能力方面，Gemma 4全系列模型都具備處理影片與圖像的能力，相當適合用於光學字元辨識 (OCR)等視覺任務。而更令人驚豔的是，兩款體積最小的模型 (2B與4B)，竟然同時具備處理音訊輸入與理解語音的能力。

此外，Gemma 4全系列支援超過140種語言，並且能夠進行「離線程式碼生成」，意味開發者可以在完全沒有網路連線的情況下，僅依靠本地算力就能進行Vibe coding (氛圍寫碼)。

擁抱Apache 2.0授權，徹底釋放數位主權

過去，Google的開源模型多半採用自家的「Gemma授權」條款，這在商業使用與修改上仍有部分限制。但這次Gemma 4全面改採業界廣泛認可的Apache 2.0授權。

Google對此解釋：「這項開源授權為開發者的徹底靈活度與『數位主權』 (Digital sovereignty)奠定基礎，賦予開發者對數據、基礎設施與模型的完全控制權」。開發者現在可以更自由地將Gemma 4修改、佈署至地端伺服器 (On-premises)或任何雲端環境中，無須擔憂資安外洩風險。

目前，開發者已經可透過Hugging Face、Kaggle與Ollama等知名開源平台取得Gemma 4的模型權重，並且進行測試。

就在昨天，谷歌正式发布了迄今为止最智能的开源大模型 —— Gemma 4。这次发布可以说在AI圈引发了不小的轰动，因为它主打两个关键词：

• 本地运行
• 多模态能力

一经上线，评价普遍非常高，甚至被认为是当前最值得关注的开源模型之一。

 一、Gemma 4 有哪些版本？

这次谷歌一共推出了 4个不同规模的模型版本，覆盖从手机到高端GPU的全场景使用。

 轻量级（移动端 / IoT）

• 2B（20亿参数）
• 4B（40亿参数）

 特点：

• 更低延迟
• 强调多模态能力
• 可运行在手机甚至物联网设备上

高性能（本地GPU）

• 26B（专家混合模型）
• 31B（稠密模型）

 特点：

• 支持复杂推理
• 可用于编程助手、Agent系统
• 完全支持离线运行

 二、性能到底有多强？

谷歌表示：
Gemma 4 在“单位参数智能水平”上达到了前所未有的高度。

在 Arena-Hard 排行榜中：

• 31B → 排名第3
• 26B → 排名第6

甚至超过了一些规模大20倍的模型。

这意味着：
效率 > 参数量，真正实现“小模型干大事”

三、核心能力一览

Gemma 4 不只是一个文本模型，它已经是一个完整的 AI 系统能力集合：

多模态能力

• 图像识别（OCR）
• 视频理解
• 音频输入（小模型支持）

编程能力

• 离线代码生成
• Web开发支持
• 自动生成 Docker 配置

 Agent能力

• 自动任务执行
• 工具调用
• 工作流自动化

 多语言支持

• 支持 140+ 语言

隐私 & 本地化

• 完全离线运行
• 数据不上传云端
• 更适合企业/个人隐私场景
• 可以轻松对接 OpenClaw 小龙虾进行使用

四、开源协议（重点）

Gemma 4 使用的是：

Apache 2.0 协议

意味着：

• 免费商用
• 可修改
• 可二次开发
• 可私有部署

这一点对开发者来说非常重要

五、本地部署配置要求

根据官方说明，不同版本对显存要求如下：

举个例子：

• RTX 4090（24GB） 可以运行 26B / 31B 量化版

六、如何本地安装（Ollama方式）

推荐使用：Ollama

第一步：下载 Ollama

【点击前往】

进入官网下载安装（支持）：

• Windows
• Mac
• Linux

第二步：下载 Gemma 4 模型

【HuggingFace】、【Ollama】或 下载满血版【模型打包下载】

安装  Ollama 后在CMD终端下执行：

ollama run gemma4

或者选择适合你显卡的版本（非常重要）

第三步：对接OpenClaw

在Powershell下以管理员身份运行：

powershell -c "irm https://openclaw.ai/install.ps1 | iex"

ollama launch openclaw

curl -fsSL https://claude.ai/install.cmd -o install.cmd && install.cmd && del install.cmd

curl -fsSL https://claude.ai/install.sh | bash

ollama launch claude

 七、实测效果展示

根据实际测试，Gemma 4 表现非常亮眼：

1. 逻辑推理能力

输入问题：

为什么端口映射后外网无法访问？

模型可以：

• 自动分析网络结构
• 找出逻辑矛盾
• 给出排查步骤

 推理能力非常稳定

 2. 图像 + 编程能力

上传一张架构图，它可以：

• 自动识别系统结构
• 生成完整 Docker 部署方案

 真正做到：看图写代码

3. AI生成游戏

仅通过一张截图：

 自动生成一个可运行的小游戏

测试结果：

• 游戏可运行
• 有完整逻辑
• 体验流畅

 4. Agent自动化能力

结合工具后可以实现：

• 自动抓取新闻
• 自动翻译
• 自动生成博客（Markdown）

 已接近自动内容生产系统

 八、使用建议（非常重要）

根据你的显卡来选模型：

• 8GB 显存 选择小模型
• 12GB 中等量化版
• 24GB 推荐 26B 或 31B

 不要盲目上最大模型，否则会：

• 卡顿严重
• 推理速度慢

 九、总结

这次 Gemma 4 的发布，可以说是：

 开源AI的一次重大突破

它带来的核心变化是：

• 更强推理
• 真正多模态
• 完全本地运行
• 原生支持Agent

 一句话总结

如果你想要一个能本地运行、性能强、还能做自动化工作的AI模型，Gemma 4 是目前最值得尝试的选择之一。

就在 2026 年 4 月 2 日，Google DeepMind 悄悄丟出一顆震撼彈——Gemma 4 正式 […]

這篇文章 Google 剛發布！Gemma 4 完整介紹 + 用 Ollama 在自己電腦跑起來教學（2026 最新） 最早出現於 軟體玩家。

如果你想打造一个完全本地运行、无需 API Key、可接入微信的 AI 助手系统，这套方案可以说是目前最香的组合之一：Hermes Agent + WebUI + Ollama + Gemma 4 ,不仅免费，而且隐私可控、可扩展性极强，非常适合做自动化助手、私域 AI、甚至商业化探索。

一、整体架构说明

先快速理解一下整体结构：

• Ollama + Gemma 4  本地大模型推理
• Hermes Agent  AI Agent 调度核心
• Hermes WebUI  可视化操作界面
• 微信接入  实现真实应用场景

二、下载本地模型（Ollama + Gemma 4）

首先，我们需要准备本地大模型环境。

 安装 Ollama

官网安装： 【点击前往】 下载最新版

安装完成后，拉取 Gemma 4 模型：

ollama run gemma4

（你也可以选择更大版本，比如 26B / 31B，看你电脑配置）

获取 API 地址

Ollama 默认会启动本地服务：http://127.0.0.1:11434

但 Hermes Agent 需要用你局域网 IP来访问。

在 CMD 输入：

ipconfig

找到类似： IPv4 地址 . . . . . . . . . . . : 192.168.1.228

那么你的 API 地址就是： http://192.168.1.228:11434/v1

这个地址非常关键，后面要填到 Hermes 配置里！

三、部署 WSL 2（Linux 子系统）

Hermes Agent 官方推荐 Linux 环境，这里我们用 WSL2。

前期准备：

在开始之前，建议大家安装下 Windows Terminal，它是一款新式、快速、高效、强大且高效的Windows 的终端程序，适用于命令行工具和命令提示符，PowerShell和 WSL 等 Shell 用户。可以方便我们切换不同的系统！

【点击下载】

一、安装 WSL2

在 PowerShell（管理员）执行：

安装完成后重启电脑，然后安装Ubuntu，

检查版本：

确保输出结果是：WSL2

四、部署 Hermes Agent + UI

进入 Ubuntu 后，开始核心部署。

 安装 Hermes Agent

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

安装完成后，可以执行：

hermes doctor

检查环境是否正常。

 安装 Hermes WebUI

git clone https://github.com/nesquena/hermes-webui.git hermes-webui
cd hermes-webui
./start.sh

启动后，一般访问：

http://127.0.0.1:8787

即可打开 UI 页面 🎉

Mac 系统一键部署命令:

git clone https://github.com/nesquena/hermes-webui.git hermes-webui
cd hermes-webui
python3 bootstrap.py

引导程序将：

1. 检测 Hermes Agent，如果缺少，则尝试使用官方安装程序（curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash）。
2. 查找或创建包含 WebUI 依赖项的 Python 环境。
3. 启动 Web 服务器并等待/health。
4. 除非通过验证，否则请打开浏览器--no-browser。
5. 将您直接导入 WebUI 中的首次运行引导向导。

五、配置 Hermes 对接本地 Gemma 4

运行：

hermes setup

进入配置界面后：

关键配置项：

• Model Provider：选择 OpenAI Compatible
• Base URL：填入你的 Ollama 地址

http://192.168.1.228:11434/v1

• Model Name：

gemma4

如果提示上下文不足（比如你之前遇到的 8K 限制问题）：

可以修改：

model:
  context_length: 8192

或者换更大的模型。

六、Hermes Agent 对接微信（重点）

 进入配置

hermes setup

 选择微信接入

找到：

messaging platforms

选择：

weixin / wechat

扫码登录

系统会弹出二维码：

用微信扫码登录即可完成绑定

 完成效果

完成后你就拥有：

• 一个微信 AI 助手
• 基于本地模型（无需 API）
• 可执行自动化任务（Agent能力）

七、最终效果展示

部署完成后，你的系统具备：

本地 AI（Gemma 4）
可视化 UI 管理
微信实时对话
无需 Token / 无费用
完全私有化部署

八、常见问题（避坑指南）

1. 模型上下文不足报错

错误示例：

context window too small

解决：

• 换更大模型（如 7B+）
• 或手动设置 context_length

2. Ollama 无法被访问

检查：

• 是否用的是 127.0.0.1（）
• 是否改为局域网 IP（）

3. WebUI 无法打开

尝试：

./start.sh

或者检查端口占用。

4. 微信掉线问题

这是微信协议限制，建议：

• 保持 Hermes 常驻运行
• 避免频繁重启

九、总结

这套方案的核心价值在于：

零成本 + 本地化 + 可扩展 AI Agent

相比传统 OpenAI API 方案：

• 不用花钱
• 不怕封号
• 数据更安全

如果你做：

• 私域流量运营
• 自动客服
• AI 工具开发

这套架构非常值得你深入研究。