Skip to content
Herramienta de IA

Gemma Review

Gemma es una familia de modelos de IA ligeros y de código abierto desarrollados por Google DeepMind y otros equipos de Google.

shipped 31 jul 2026aifreemium
ai

Por qué importa

1Gemma 4, lanzado el 2 de abril de 2026, es un modelo multimodal que soporta texto, imagen, audio y video.
2Los modelos Gemma se han descargado más de 900 millones de veces hasta el 28 de julio de 2026.
3Gemma 4 12B puede ejecutarse localmente en laptops con 16 GB de memoria.
4Gemma 4 presenta una ventana de contexto aumentada, hasta 256K tokens para modelos medianos.

Sobre Gemma

Modelo de negocio
Open Source
Sede
London, UK
Fundada
2010
Tamaño del equipo
1000+
Financiación
Acquired
Plataformas
Web, Mobile, IoT
Público objetivo
AI Developers and Researchers

Liderazgo

Demis HassabisCEOLinkedIn
Shane LeggCo-founderLinkedIn
Mustafa SuleymanCo-founderLinkedIn
API DocsGitHubOpen Source

overview

¿Qué es Gemma?

Gemma es una familia de modelos abiertos construidos por Google DeepMind que permite a desarrolladores e investigadores construir, personalizar e implementar aplicaciones de IA. Se deriva de la misma investigación y tecnología utilizada para crear los modelos Gemini, y su nombre proviene de la palabra latina para "piedra preciosa".

Los modelos Gemma están diseñados para una amplia variedad de tareas de IA generativa, soportando entrada de texto, audio e imagen, con algunos modelos extendiéndose a capacidades de video. Son particularmente adecuados para desarrolladores que desean construir, personalizar e implementar aplicaciones de IA sin depender completamente de APIs alojadas. El desarrollo reciente más significativo es el lanzamiento de Gemma 4, que fue inicialmente publicado en Hugging Face el 31 de marzo de 2026, y anunciado oficialmente por Google DeepMind el 2 de abril de 2026. Las actualizaciones clave con Gemma 4 incluyen multimodalidad, implementación de peso abierto bajo la licencia Apache 2.0, ventanas de contexto aumentadas y capacidades de agente mejoradas con soporte nativo de llamada a funciones. Hasta el 28 de julio de 2026, los modelos Gemma se han descargado más de 900 millones de veces, con los modelos Gemma 4 representando más de 300 millones de descargas desde su lanzamiento en abril.

features

Características Clave de Gemma

Los modelos Gemma ofrecen una gama de características diseñadas para construir e implementar aplicaciones de IA, desde el desarrollo responsable hasta la ejecución eficiente en dispositivos. El lanzamiento de Gemma 4 mejoró significativamente estas capacidades, introduciendo la multimodalidad y funciones de agente avanzadas.

  • Capacidades multimodales: Soporta entrada de texto, imagen, audio y video (variantes Gemma 4 E2B y E4B).
  • Implementación de peso abierto: Disponible bajo la licencia Apache 2.0 para uso comercial sin límites de MAU.
  • Ventana de contexto aumentada: Hasta 128K tokens para modelos más pequeños y 256K tokens para modelos medianos.
  • Soporte nativo de llamada a funciones: Permite la planificación de múltiples pasos, la acción autónoma y la generación de código offline.
  • Optimizado para la ejecución en dispositivos: Modelos más pequeños como Gemma 4 12B requieren tan solo 16 GB de memoria para operación local.
  • Arquitectura sin codificador: Procesa directamente imágenes y videos en el modelo multimodal para una eficiencia mejorada.
  • Capacidades de razonamiento avanzadas: Soporta razonamiento configurable y selección de herramientas para tareas complejas.
  • Integraciones flexibles: Compatible con plataformas como Kaggle, Hugging Face, Keras, Ollama, PyTorch, JAX y Google Cloud.

use cases

¿Quién Debería Usar Gemma?

Gemma está dirigido principalmente a desarrolladores e investigadores de IA que requieren modelos flexibles y de código abierto para una variedad de tareas de IA generativa y desarrollo de aplicaciones. Su diseño soporta implementaciones tanto en la nube como en dispositivos, atendiendo a diversas necesidades computacionales.

  • Desarrolladores: Para construir y personalizar soluciones de IA, incluyendo asistentes de IA conversacionales, chatbots y aplicaciones de generación de texto.
  • Investigadores: Para explorar y avanzar las capacidades de la IA, particularmente en PNL, NLU y tareas multimodales.
  • Ingenieros que requieren implementaciones locales: Para aplicaciones que demandan control sobre los datos y la infraestructura, como agentes de IA, pipelines de automatización y sistemas de IA en dispositivos, especialmente con el requisito de memoria de 16 GB de Gemma 4 12B.
  • Equipos que construyen flujos de trabajo estructurados: Para pipelines de clasificación, extracción de datos, generación de JSON y flujos de trabajo de automatización de múltiples pasos utilizando las capacidades de agente de Gemma 4.
  • Desarrolladores de aplicaciones multimodales: Para análisis de documentos/PDF, comprensión de pantallas/UI, comprensión de gráficos, OCR multilingüe y reconocimiento de escritura a mano.

how to use

Cómo Usar Gemma

Los modelos Gemma pueden ser accedidos y utilizados a través de varias plataformas y frameworks, permitiendo a los desarrolladores integrarlos en sus proyectos o implementarlos localmente. El proceso típicamente implica seleccionar una variante del modelo, configurar el entorno de desarrollo y luego implementar el modelo para tareas específicas.

  • 1Acceda a los modelos Gemma a través de Hugging Face para pesos pre-entrenados y recursos de la comunidad.
  • 2Utilice Google Cloud para la implementación en la nube y el escalado de aplicaciones Gemma.
  • 3Integre Gemma con Keras, PyTorch o JAX para el desarrollo y ajuste fino del modelo.
  • 4Implemente modelos Gemma más pequeños localmente en dispositivos utilizando frameworks como Ollama para aplicaciones de IA en dispositivos.
  • 5Consulte la documentación oficial de la API en ai.google.dev/gemma/docs para guías de integración detalladas y ejemplos.
  • 6Explore Kaggle para conjuntos de datos y notebooks relacionados con Gemma para investigación y desarrollo.

pricing

Precios y Planes de Gemma

Gemma opera bajo un modelo freemium, ofreciendo sus modelos centrales como código abierto bajo la licencia Apache 2.0. Esto permite a los desarrolladores usar, modificar e implementar los modelos comercialmente sin tarifas de licencia directas ni límites de usuarios activos mensuales (MAU). Si bien los modelos en sí son de uso gratuito, pueden incurrirse costos por recursos computacionales al implementar Gemma en plataformas en la nube como Google Cloud o por hardware especializado para la ejecución local.

  • Freemium: Acceso gratuito a los modelos Gemma bajo la licencia Apache 2.0.

Pros

  • +Lightweight and efficient, enabling deployment on mobile, IoT, and personal computing devices with minimal resources (e.g., Gemma 4 12B on 16GB RAM).
  • +Open-source and publicly accessible under the Apache 2.0 license, fostering community development and customization.
  • +Strong multimodal capabilities, supporting text, image, audio, and video inputs across various model sizes.
  • +Backed by Google DeepMind's research, ensuring continuous development and adherence to responsible AI principles.
  • +Offers specialized variants (e.g., CodeGemma, PaliGemma, MedGemma) tailored for specific use cases.
  • +Designed for advanced reasoning and agentic workflows, supporting function calling and structured outputs.

Cons

  • While open-source, leveraging Gemma on cloud platforms may incur compute costs.
  • The ecosystem, while growing, may not be as extensive as some larger, more established open-source models like Llama in terms of community-contributed fine-tunes.
  • Performance benchmarks, while strong for its size, may not always match the absolute performance of significantly larger, more resource-intensive models.
  • Requires technical proficiency for optimal deployment and customization, particularly for on-device or specialized applications.

Herramientas similares

Gemma vs Competidores

Gemma compite en el panorama de modelos de IA de código abierto contra varios modelos establecidos y emergentes, cada uno con características distintas y casos de uso objetivo. Sus principales diferenciadores incluyen su linaje directo de la investigación Gemini de Google y su fuerte enfoque en la ejecución eficiente en dispositivos y las capacidades multimodales.

1

A family of powerful, pre-trained large language models from Meta, available in various sizes for different applications.

Llama models are generally larger and may require more computational resources than Gemma for local deployment, but offer competitive performance and a broader community ecosystem.

2

Known for strong performance with relatively smaller model sizes, making them efficient for various tasks.

Mistral models often provide excellent performance for their size, sometimes outperforming Gemma in specific benchmarks, but their ecosystem might be slightly less integrated with Google's broader AI tools.

3

Simplifies running open-source large language models locally on your computer, providing a user-friendly interface and API.

Ollama is not a model itself but a platform to run models like Llama or Mistral. It offers a much easier local deployment experience than manually setting up Gemma, but you still need to download and manage the underlying models.