Outil d'IA

Gemma Review

Gemma est une famille de modèles d'IA légers et open-source développés par Google DeepMind et d'autres équipes de Google.

shipped 31 juil. 2026aifreemium

Pourquoi c'est important

1Gemma 4, lancé le 2 avril 2026, est un modèle multimodal prenant en charge le texte, l'image, l'audio et la vidéo.

2Les modèles Gemma ont été téléchargés plus de 900 millions de fois au 28 juillet 2026.

3Gemma 4 12B peut fonctionner localement sur des ordinateurs portables avec 16 Go de mémoire.

4Gemma 4 dispose d'une fenêtre de contexte accrue, jusqu'à 256K tokens pour les modèles moyens.

À propos de Gemma

Modèle économique

Open Source

Siège social

London, UK

Fondée

2010

Taille de l’équipe

1000+

Financement

Acquired

Plateformes

Web, Mobile, IoT

Public cible

AI Developers and Researchers

Direction

Demis HassabisCEOLinkedIn

Shane LeggCo-founderLinkedIn

Mustafa SuleymanCo-founderLinkedIn

API Docs GitHubOpen Source

overview

Qu'est-ce que Gemma?

Gemma est une famille de modèles ouverts construits par Google DeepMind qui permet aux développeurs et aux chercheurs de créer, personnaliser et déployer des applications d'IA. Il est dérivé de la même recherche et technologie utilisées pour créer les modèles Gemini, son nom provenant du mot latin signifiant « pierre précieuse ».

Les modèles Gemma sont conçus pour une grande variété de tâches d'IA générative, prenant en charge les entrées texte, audio et image, certains modèles s'étendant aux capacités vidéo. Ils sont particulièrement bien adaptés aux développeurs qui souhaitent créer, personnaliser et déployer des applications d'IA sans dépendre entièrement des API hébergées. Le développement récent le plus significatif est la sortie de Gemma 4, qui a été initialement mise en ligne sur Hugging Face le 31 mars 2026 et officiellement annoncée par Google DeepMind le 2 avril 2026. Les mises à jour clés de Gemma 4 incluent la multimodalité, le déploiement en poids ouverts sous la licence Apache 2.0, des fenêtres de contexte accrues et des capacités agentiques améliorées avec un support natif d'appel de fonctions. Au 28 juillet 2026, les modèles Gemma ont été téléchargés plus de 900 millions de fois, les modèles Gemma 4 représentant plus de 300 millions de téléchargements depuis leur lancement en avril.

features

Fonctionnalités clés de Gemma

Les modèles Gemma offrent une gamme de fonctionnalités conçues pour la création et le déploiement d'applications d'IA, du développement responsable à l'exécution efficace sur l'appareil. La version Gemma 4 a considérablement amélioré ces capacités, introduisant la multimodalité et des fonctions agentiques avancées.

Capacités multimodales : Prend en charge les entrées texte, image, audio et vidéo (variantes Gemma 4 E2B et E4B).
Déploiement en poids ouverts : Disponible sous la licence Apache 2.0 pour une utilisation commerciale sans limites de MAU.
Fenêtre de contexte accrue : Jusqu'à 128K tokens pour les petits modèles et 256K tokens pour les modèles moyens.
Support natif d'appel de fonctions : Permet la planification en plusieurs étapes, l'action autonome et la génération de code hors ligne.
Optimisé pour l'exécution sur l'appareil : Les petits modèles comme Gemma 4 12B nécessitent aussi peu que 16 Go de mémoire pour un fonctionnement local.
Architecture sans encodeur : Traite directement les images et les vidéos dans le modèle multimodal pour une efficacité accrue.
Capacités de raisonnement avancées : Prend en charge le raisonnement configurable et la sélection d'outils pour les tâches complexes.
Intégrations flexibles : Compatible avec des plateformes telles que Kaggle, Hugging Face, Keras, Ollama, PyTorch, JAX et Google Cloud.

use cases

Qui devrait utiliser Gemma?

Gemma cible principalement les développeurs et chercheurs en IA qui ont besoin de modèles flexibles et open-source pour une variété de tâches d'IA générative et de développement d'applications. Sa conception prend en charge les déploiements basés sur le cloud et sur l'appareil, répondant à divers besoins computationnels.

Développeurs : Pour la création et la personnalisation de solutions d'IA, y compris les assistants d'IA conversationnels, les chatbots et les applications de génération de texte.
Chercheurs : Pour explorer et faire progresser les capacités de l'IA, en particulier dans le NLP, le NLU et les tâches multimodales.
Ingénieurs nécessitant des déploiements locaux : Pour les applications exigeant un contrôle sur les données et l'infrastructure, telles que les agents d'IA, les pipelines d'automatisation et les systèmes d'IA sur l'appareil, en particulier avec l'exigence de mémoire de 16 Go de Gemma 4 12B.
Équipes construisant des flux de travail structurés : Pour les pipelines de classification, l'extraction de données, la génération JSON et les flux de travail d'automatisation en plusieurs étapes utilisant les capacités agentiques de Gemma 4.
Développeurs d'applications multimodales : Pour l'analyse de documents/PDF, la compréhension d'écrans/UI, la compréhension de graphiques, l'OCR multilingue et la reconnaissance d'écriture manuscrite.

how to use

Comment utiliser Gemma

Les modèles Gemma peuvent être accédés et utilisés via diverses plateformes et frameworks, permettant aux développeurs de les intégrer dans leurs projets ou de les déployer localement. Le processus implique généralement la sélection d'une variante de modèle, la configuration de l'environnement de développement, puis l'implémentation du modèle pour des tâches spécifiques.

1Accédez aux modèles Gemma via Hugging Face pour les poids pré-entraînés et les ressources communautaires.
2Utilisez Google Cloud pour le déploiement basé sur le cloud et la mise à l'échelle des applications Gemma.
3Intégrez Gemma avec Keras, PyTorch ou JAX pour le développement et l'ajustement du modèle.
4Déployez de plus petits modèles Gemma localement sur des appareils en utilisant des frameworks comme Ollama pour les applications d'IA sur l'appareil.
5Consultez la documentation officielle de l'API sur ai.google.dev/gemma/docs pour des guides d'intégration détaillés et des exemples.
6Explorez Kaggle pour les ensembles de données et les notebooks liés à Gemma pour la recherche et le développement.

pricing

Tarification et plans Gemma

Gemma fonctionne sur un modèle freemium, offrant ses modèles de base en open-source sous la licence Apache 2.0. Cela permet aux développeurs d'utiliser, de modifier et de déployer les modèles commercialement sans frais de licence directs ni limites d'utilisateurs actifs mensuels (MAU). Bien que les modèles eux-mêmes soient gratuits, des coûts peuvent être engagés pour les ressources computationnelles lors du déploiement de Gemma sur des plateformes cloud comme Google Cloud ou pour du matériel spécialisé pour l'exécution locale.

Freemium : Accès gratuit aux modèles Gemma sous la licence 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.

Outils similaires

Gemma vs Concurrents

Gemma est en concurrence dans le paysage des modèles d'IA open-source avec plusieurs modèles établis et émergents, chacun avec des caractéristiques distinctes et des cas d'utilisation cibles. Ses principaux différenciateurs incluent sa lignée directe de la recherche Gemini de Google et son fort accent sur l'exécution efficace sur l'appareil et les capacités multimodales.

Llama 3On Stork Compare

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.

MistralOn Stork Compare

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.

OllamaOn Stork Compare

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.

Visiter Gemma↗

Contact

𝕏

X / Twitterx.com/googledeepmind

⌘

GitHubgithub.com/google-deepmind

LinkedInwww.linkedin.com/company/googledeepmind/