9 亿，而且还在加速

7 月 25 日，Google Gemma 官方账号在 X 平台宣布：Gemma 开源模型系列累计下载量突破 9 亿次。这条推文在 24 小时内获得超过 1100 次点赞、76 次转发和 3.7 万次浏览，并被拥有 51 万粉丝的 AI 研究账号 @_akhaliq 转发，进一步放大了传播声量。

推文写道："从 Gemma 1 和 ShieldGemma 到 MedGemma 和 Gemma 4，我们会继续支持开源。更多内容在路上。"

从 1.5 亿到 9 亿，只用了 14 个月

2024 年 2 月，Google DeepMind 推出 Gemma 1，两个规格：2B 和 7B 参数。彼时正值 Meta 的 Llama 系列在开源社区攻城略地，外部普遍将 Gemma 解读为 Google 从封闭转向开放的信号。Fast Company 当时的标题直白："Google 决定开源 AI 也没那么糟"（deciding open-source AI ain't so bad after all）。

到 2025 年 5 月，Gemma 系列累计下载 1.5 亿次。2026 年 4 月，这个数字跳到 5 亿。仅仅三个月后，官方宣布突破 9 亿。

Gemma 4 自 4 月发布以来单独贡献了超过 3 亿次下载，占全系累计下载量的三分之一。Gemma 4 的四个初始规格（Effective 2B、Effective 4B、26B MoE 和 31B Dense）覆盖了从手机端到云端推理的全部场景。最新的 Gemma 4 12B Unified 于 6 月 3 日发布，采用无需视觉编码器的统一多模态架构，直接处理图像和音频输入。

Hugging Face 上已有超过 7 万个经过微调的 Gemma 变体，覆盖代码生成、医疗诊断、安全审核、机器翻译等数十个垂直领域。Gemma 的变体矩阵包括 ShieldGemma（安全内容审核）、MedGemma（医疗文本与图像分析）、PaliGemma（视觉语言任务）、TranslateGemma（机器翻译）和 DolphinGemma（海豚交流研究），已远远超出通用语言模型的范围。

Pichai 在财报电话会上先说了

一手信源比推文早了三天。7 月 22 日 Alphabet Q2 2026 财报电话会上，CEO Sundar Pichai 已经披露了这个数字：

"这些模型的累计下载量已超过 9 亿次，而我们最新的 Gemma 4 模型自 4 月发布以来已被下载超过 3 亿次。"

Google Cloud 在 Q2 录得强劲增长。Pichai 在电话会上将 Gemma 定位为 Google AI 基础设施战略的关键一环：开源模型吸引开发者进入 Google 生态，其中一部分转化为 Cloud 的推理和训练客户。从下载到付费的转化漏斗是 Google 敢于持续投入开源模型的经济理由。

7 月 25 日的官推则更像是给开发者社区的一次正式致谢：语气更轻，配了一张庆祝海报，并在文末留了句 "More to come"。推文中逐一列举了 Gemma 1、ShieldGemma、MedGemma 和 Gemma 4 四代产品，这一细节透露出团队的叙事意图：Gemma 不是一个模型，而是一个体系。

开发者要的不只是小模型

官宣推文评论区里，呼声最高的不是祝贺，而是一个请求：更大的模型。

用户 @pwnalisa1 留言："来个大家伙 Gemma 4 吧，100B omni 就很好。"前 Google 员工、本地 AI 推理引擎开发者 Tom Turney（@no_stp_on_snek，7200 粉丝）称 Gemma 12B 已成为其推理引擎 Hermes 的核心模型之一。独立开发者 @guitaripod（1900 粉丝）说自己"每天使用的多个应用都由 Gemma 驱动"。

但并非所有反馈都是正面的。有用户指出 Gemma 4 12B 在普通笔记本上响应缓慢，称"回一个 'Hi' 需要十分钟"。独立开发者 Ariel（@Rob3rtWozny，1250 粉丝）直言："Gemma 4 很棒，但它已经开始显得过时了，我们需要 4.5 或者更大的版本。"

Robotics 公司 Cortexist 在回复中展示了更具说服力的数据：使用其推理引擎 little-gemma 在 Jetson Orin NX（信用卡大小的设备）上运行 Gemma 4 E4B Q4 QAT 编码任务，达到了 48.6 tok/s。独立开发者 Abdur Rahim（@ARahim）则指出 Gemma 4 在 Mac 上通过 mlx-dspark 实现了约 3 倍加速。

日本社区的反应尤为热烈。拥有 1.5 万粉丝的技术博主むらさん（@murasametech）发文表示 Gemma 是他本地 LLM 中使用频率最高的模型。另一位日本开发者熊本健吾（@kumamoto_kengo）称"从昨天开始就在开发中使用 Gemma 4，感谢你们坚持开源"。

这些反馈指向同一个信号：开发者对 Gemma 的认可已经建立，但预期也在快速抬高。有人想要 100B 参数的大模型，有人希望能在笔记本上流畅运行。这两个需求本身就是矛盾的，而 Gemma 正在同时面对它们。

Llama 和 Mistral 还没说话

截至发稿，Meta（Llama 系列）和 Mistral 均未对 Gemma 的 9 亿里程碑做出直接回应。

但竞争格局的位移是可见的。Gemma 4 在 4 月切换至 Apache 2.0 许可证——此前三代 Gemma 一直使用限制性的 Gemma Terms of Use 许可。这一步直接消除了与 Llama 之间最关键的竞争差距之一。

在 LMSYS Chatbot Arena 上，Gemma 4 31B Dense 排名第三，26B MoE 排名第六。对于一个主打轻量部署、参数远小于同榜竞品的模型家族，这个成绩不差。

Meta 在 7 月初刚刚发布了 Llama 4，其 Scout 和 Maverick 变体在端侧推理场景中与 Gemma 4 直接对位。6 月 3 日发布的 Gemma 4 12B Unified 则在多模态架构上走了不同路线：无需编码器即可处理视觉和音频，与 Llama 的多模态方案形成差异化。两者的下载量对比将成为下半年开源 AI 竞争的核心指标。

在开源模型的整体叙事中，Gemma 还意外扮演了另一个角色：它是反驳"开源模型必然低质量"论据的活案例。当 OpenAI 和 Anthropic 持续强调闭源模型的安全性优势时，Gemma 的 9 亿次下载和 ShieldGemma 的安全审核能力提供了另一种可能性。

开源是手段，云是目的

9 亿次下载这个数字本身是亮眼的，但更值得关注的是它背后的商业逻辑。

Google 是全球最大的云厂商之一。给开发者免费提供高质量的开源模型，本质上是降低开发者进入 Google Cloud 的门槛。Hugging Face 上 7 万个社区微调变体意味着有 7 万个潜在的推理和训练工作负载。即使只有一小部分最终选择了 GCP，回报也远大于维护开源模型的成本。

但硬币的另一面同样锋利。开源模型不受控：Google 无法决定 Gemma 被部署在哪里、用于什么场景。那 7 万个社区变体中，有相当一部分跑在 AWS、Azure 甚至本地服务器上，直接与 Google 自己的商业产品竞争。

在 Alphabet Q2 财报中，AI 基础设施投资继续大幅增长，自由现金流承压。Gemma 的开源策略是否已经开始贡献可量化的云收入，目前仍然不透明。但从 Pichai 在财报电话会上主动提及 Gemma 下载量这一细节来看，Google 在向投资者传递一个信号：我们的开源策略有规模，有加速，正在形成飞轮。

这是 Google 愿意承担的风险。在开源与封闭的路线之争愈演愈烈的 2026 年，9 亿次下载就是 Google 的选择声明。

参考链接：

本文由 AREX Agent 生成，仅供参考，不构成投资建议。转载需注明出处。_