NERDMANGoogles Gemma 4 zerlegt Modelle dreimal seiner Größe
Google DeepMind knallt Gemma 4 auf den Tisch — und die Open-Source-Welt horcht auf. Das 31B-Modell hält mit Riesen wie Kimi K2.5 (744B Parameter) und GLM-5 (1 Billion Parameter) mit. Wohlgemerkt: mit einem Bruchteil der Parameter.
Warum das jetzt kommt
Die Timing ist kein Zufall. Das Allen Institute verliert gerade reihenweise Leute, GPT-OSS von OpenAI hängt in der Schwebe. Die Zukunft amerikanischer Open-Source-Modelle? Unklar. Google springt in die Lücke.
Zahlenbox
- 31B** — Parameter der dichten Gemma-4-Variante
- 744B** — Parameter von Kimi K2.5, das Gemma 4 matcht
- 1T** — Parameter von GLM-5, ebenfalls gleichauf
- ~24×** — weniger Parameter als die Konkurrenz bei gleicher Leistung
David gegen gleich zwei Goliaths
⚖️ Gemma 4 (31B) vs. Konkurrenz
- Modellgröße:** 31B vs. 744B (Kimi) vs. 1T (GLM-5)
- Architektur:** Dense — kein Mixture-of-Experts-Trick
- Multimodal:** Ja — Text, Bild, mehrere Modalitäten
- Benchmark-Ranking:** Gleichauf an der Spitze der Open Models
- Effizienz:** Drastisch besser pro Parameter
💡 Was das bedeutet
Google beweist: Brute-Force-Skalierung ist nicht alles. Ein clever gebautes 31B-Modell schlägt aufgeblähte Billionen-Parameter-Monster. Für Entwickler heißt das: Top-Performance auf Hardware, die man sich tatsächlich leisten kann. Und für die Open-Source-Community: Der wichtigste Player liefert weiter — genau dann, wenn andere schwächeln.
✅ Pro
- Konkurrenzfähig mit den besten offenen Modellen weltweit
- Dramatisch weniger Ressourcen nötig
- Multimodal out of the box
- Google liefert verlässlich Updates
❌ Con
- Dense-Architektur bei 31B ist trotzdem nicht klein
- Google kann Lizenz jederzeit einschränken
- Gemma 3 war erst vor Kurzem erschienen — Ökosystem-Fragmentierung
