Probé Google Gemma 4 — La IA de Código Abierto Se Pone Seria

Probé Google Gemma 4 — La IA de Código Abierto Se Pone Seria

Estaba a mitad de un prompt en un proyecto de Claude Code — refactorizando una pipeline de agentes que seguía alucinando llamadas a herramientas — cuando Google lanzó algo que no esperaba. No otra actualización incremental de Gemini. No un artículo de investigación que nadie fuera de DeepMind leería. Cuatro modelos de pesos abiertos, construidos sobre la misma investigación detrás de Gemini 3, publicados bajo Apache 2.0 el 2 de abril de 2026.

¿La afirmación que me atrapó? Un modelo de 26 mil millones de parámetros que activa solo 3,8 mil millones de parámetros durante la inferencia y supuestamente funciona a aproximadamente 300 tokens por segundo en un Mac Studio M2 Ultra. Un modelo tan pequeño, tan rápido, que ocupa el sexto lugar entre todos los modelos abiertos en el leaderboard de Arena AI.

Ya me han decepcionado los esfuerzos de IA de código abierto de Google antes. Gemma 1 fue decepcionante. Gemma 2 fue decente pero olvidable. Gemma 3 mostró mejoras genuinas pero aún no podía competir con lo que Qwen y Meta estaban entregando. Así que cuando Google afirmó que Gemma 4 representa "la mayor mejora en una sola generación vista en el espacio de modelos abiertos", mi escepticismo estaba completamente activado.

Pero luego empecé a probar. Y dentro de la primera hora, me di cuenta de que este lanzamiento es diferente en formas que importan — no solo para leaderboards de benchmarks, sino para cualquiera que ejecute IA localmente o construya flujos de trabajo agénticos que necesitan ser rápidos, baratos y realmente confiables.

Aquí está todo lo que encontré durante varios días de pruebas prácticas con los cuatro modelos. Las partes buenas son genuinamente impresionantes. Las carencias vale la pena conocerlas antes de comprometerse.

Lo Que Google Realmente Entregó — Y Por Qué la Arquitectura Importa

Gemma 4 no es un modelo. Son cuatro modelos que abarcan un rango que va desde ejecutarse en tu teléfono hasta competir con modelos frontier alojados en la nube. Entender la alineación importa porque elegir el tamaño equivocado para tu caso de uso desperdicia dinero o capacidad.

La historia arquitectónica aquí es el enfoque de Mixture of Experts (MoE) en el modelo de 26B. Ya he escrito sobre MoE al cubrir GLM5 — la idea básica es que el modelo contiene muchas redes "expertas" especializadas pero solo activa un subconjunto pequeño para cualquier entrada dada. Piensa en ello como tener un edificio lleno de especialistas en lugar de un generalista sobrecargado de trabajo.

Lo que hace interesante la implementación de Gemma 4 26B es la proporción. Activar 3,8 mil millones de parámetros de un total de 26 mil millones significa que aproximadamente el 85% del modelo está dormido en cualquier momento dado. Eso es agresivo. Para comparación, GLM5 activa unos 44 mil millones de 745 mil millones — un modelo mucho más grande, pero un enfoque filosófico similar hacia la eficiencia.

¿El resultado práctico? Un modelo que cabe en hardware de consumo mientras rinde muy por encima de su clase de peso en parámetros. La ventana de contexto de 256K tokens en los modelos más grandes significa que puedes alimentar codebases enteros, documentos largos o proyectos multi-archivo sin fragmentar. Y los cuatro modelos soportan nativamente más de 140 idiomas — lo cual, si estás construyendo algo para una audiencia global, elimina toda una categoría de dolores de cabeza.

Cada modelo en la alineación soporta razonamiento multi-paso, salidas JSON estructuradas, uso de herramientas y programación. Estas no son características añadidas después del entrenamiento. Google entrenó estas capacidades nativamente, lo que — según mis pruebas — marca una diferencia real en cuán confiablemente los modelos manejan flujos de trabajo agénticos.

Pero aquí está la parte en la que quiero profundizar: cómo todo esto realmente rinde cuando le lanzas trabajo real.

Los Benchmarks — Números Impresionantes Con Un Asterisco Importante

Antes de compartir mis resultados prácticos, los números oficiales merecen examen. No porque tome los benchmarks al pie de la letra — no lo hago, y tú tampoco deberías — sino porque algunos de estos puntajes cuentan una historia específica sobre dónde Google concentró su esfuerzo de entrenamiento.

El modelo 31B dense obtiene 85,2 en MMLU Pro, que mide conocimiento amplio y razonamiento en docenas de dominios académicos. Para un modelo de 31 mil millones de parámetros, eso es excepcional. Alcanza 89,2% en AIME 2026 — el benchmark de competencia matemática que separa modelos con razonamiento matemático genuino de aquellos que hacen pattern-matching a través de la aritmética. GPQA Diamond, el benchmark de ciencias a nivel de posgrado, llega a 84,3%. Y LiveCodeBench v6, que prueba habilidades de programación prácticas en problemas recientes en los que el modelo no pudo haber sido entrenado, muestra 80%.

El modelo 31B actualmente ocupa el tercer lugar entre todos los modelos abiertos en el leaderboard de texto de Arena AI con un puntaje de 1452. El 26B MoE se ubica sexto con 1441 — recuerda, eso es usando solo 3,8 mil millones de parámetros activos para casi igualar a su hermano mucho mayor.

Ahora, el asterisco. Según el índice de inteligencia que he estado rastreando entre modelos, el Gemma 4 31B obtiene 31, mientras que el modelo Qwen 3.5 27B obtiene 42. Esa es una brecha significativa en una métrica diseñada para medir capacidad de razonamiento general. Los números de benchmark arriba pintan a Gemma 4 como competitivo en dominios específicos, pero en inteligencia holística — el tipo de capacidad "¿puede descifrar algo para lo que no fue específicamente entrenado?" — Qwen aún mantiene ventaja en conteos de parámetros similares.

Esto importa para flujos de trabajo de programación agéntica donde el modelo necesita hacer juicios, no solo ejecutar patrones. Te mostraré exactamente dónde apareció esto en mis pruebas.

Un área donde Gemma 4 genuinamente supera es la eficiencia de tokens. En mis pruebas, los modelos Gemma 4 usaron aproximadamente 2,5 veces menos tokens de salida para tareas similares en comparación con Qwen 3.5 y Llama 4. Menos tokens significa menor costo, generación más rápida y menos ventana de contexto consumida por la propia salida del modelo. Para flujos de trabajo agénticos donde encadenas múltiples llamadas, esa eficiencia se acumula rápido.

Ejecutando Gemma 4 Localmente — Donde Vive la Verdadera Historia

Aquí es donde mi opinión sobre Gemma 4 cambió de "interesante" a "esto cambia las cosas."

Descargué el modelo 26B MoE a través de Ollama el primer día — Gemma 4 tuvo soporte desde el primer día en Ollama, Hugging Face, LM Studio y Kaggle. La configuración fue trivial: ollama pull gemma4:26b, configurar OLLAMA_NUM_GPU=99 para maximizar la descarga de capas a GPU, y empezar a hacer prompts.

En mi configuración Mac, el modelo 26B con cuantización Q4_K_M era lo suficientemente responsive para trabajo de desarrollo real. No "espera quince segundos por respuesta" responsive. Realmente usable. El tipo de velocidad donde puedes tener una conversación con el modelo y no perder el hilo de pensamiento entre respuestas.

Google afirma aproximadamente 300 tokens por segundo en un Mac Studio M2 Ultra para el modelo 26B. Mis propias pruebas no alcanzaron ese número exacto — las configuraciones de cuantización, la complejidad del prompt y la longitud del contexto afectan el throughput — pero el modelo fue consistentemente más rápido que cualquier otro modelo de capacidad comparable que he ejecutado localmente. Esa arquitectura de 3,8 mil millones de parámetros activos hace lo que promete.

El modelo 31B dense es más pesado. Necesita hardware más serio — una GPU de escritorio con suficiente VRAM, o una máquina Apple Silicon bien equipada. Pero para cualquiera que ya tenga ese hardware bajo su escritorio, está ejecutando un modelo top tres abierto sin pagar por llamadas a la API. Sin enviar tu código al servidor de nadie. Sin preocuparte por rate limits a las 2 AM cuando estás en la zona y quemando prompts.

Para los modelos edge — el E2B y E4B — Google está impulsando fuertemente la inferencia en dispositivo. La Android AICore Developer Preview da a los desarrolladores un camino para ejecutar estos modelos directamente en teléfonos. No he probado la ruta de despliegue móvil yo mismo, pero la implicación es significativa: razonamiento de IA multimodal — texto, imágenes, audio — ejecutándose completamente en un dispositivo en tu bolsillo. Sin viaje de ida y vuelta a la nube. Sin datos saliendo del dispositivo. Para aplicaciones sensibles a la privacidad, eso no es un nice-to-have. Es un requisito.

La licencia Apache 2.0 elimina otra barrera que he encontrado con otros modelos abiertos. Llama 4 usa la licencia comunitaria de Meta con un umbral de 700 millones de usuarios activos mensuales — bien para la mayoría de desarrolladores, pero una restricción genuina para empresas que escalan rápidamente. Qwen 3.5 también usa Apache 2.0, así que hay paridad ahí. Pero comparado con los términos más restrictivos de Gemma 3, este es un cambio significativo en la estrategia de código abierto de Google. Libertad comercial total. Sin imposición de políticas de uso aceptable. Sin topes de usuarios activos mensuales.

Si prefieres que alguien configure una pipeline de inferencia de IA local desde cero — configurando cuantización, optimización de hardware y cadenas de herramientas agénticas — yo acepto exactamente este tipo de proyectos. Puedes ver lo que he hecho en fiverr.com/s/EgxYmWD.

La Prueba de Generación de UI — Mi Desafío Estándar

Cada vez que un modelo reclama fuertes capacidades de programación, ejecuto la misma batería de pruebas que uso en cada reseña. La primera es siempre generación frontend — construir una UI compleja desde un solo prompt. Prueba sentido del diseño, estructura de código, gestión de estado y atención al detalle simultáneamente.

Le pedí al modelo Gemma 4 31B que construyera una interfaz de escritorio estilo macOS en el navegador. Apps funcionales. Ventanas arrastrables. Un dock funcional. El mismo prompt que he lanzado a Qwen 3.6 Plus, Claude Opus y GLM5.

Lo que regresó fue genuinamente bueno. Una barra de herramientas que parecía pertenecer a un Mac real. Una calculadora que funcionaba. Un emulador de terminal. Paneles de configuración. El diseño era limpio — no el tipo de salida "funciona pero parece un prototipo" que he obtenido de modelos más pequeños. La calidad se ubicó alrededor de 7,5 a 8 de 10 según mi evaluación subjetiva.

Donde falló: la navegación de carpetas en el clon de Finder estaba incompleta. Algunas interacciones de apps que deberían haber disparado cambios de estado no lo hicieron. Estos son el tipo de problemas de pulido que separan un fuerte primer borrador de código listo para producción — y son consistentes con lo que veo de modelos en este rango de parámetros. Claude Opus y Qwen 3.6 Plus manejan estos casos límite mejor, pero también son más grandes, más caros, o ambos.

El modelo 26B MoE manejó una tarea de UI similar con defectos menores — algunas animaciones no se dispararon correctamente, y algunas transiciones CSS estaban desajustadas. Pero la relación velocidad-calidad fue notable. ¿Llegar al 80% del camino hacia una UI pulida en una fracción del tiempo y costo? Para prototipado, para herramientas internas, para pruebas de concepto — ese es el punto ideal.

También probé un prompt más restringido: generar un layout de UI específico con requisitos estrictos de design tokens, espaciado definido y un sistema de colores particular. Esto prueba el seguimiento de instrucciones más que la creatividad bruta. Tanto el modelo 31B como el 26B lo manejaron bien — código a nivel de producción que respetaba las restricciones. Calidad comparable a lo que he obtenido de Qwen 3.6 y Opus 4.5 en tareas similares.

La Prueba de Simulación de Física — Donde Se Muestran las Carencias

Mi segunda prueba estándar empuja a los modelos a territorio donde el razonamiento bruto importa más que el reconocimiento de patrones: simulaciones de física. Le pedí a Gemma 4 31B que construyera un simulador de donuts de F1 — un auto girando en círculos cerrados con física de neumáticos realista, efectos de humo y renderizado 3D.

El modelo mostró creatividad genuina aquí. Intentó interacciones físicas complejas, renderizado de perspectiva 3D y efectos de partículas para humo de neumáticos. La ambición técnica fue impresionante para un modelo de 31 mil millones de parámetros. Entendió cómo se ve físicamente una maniobra de donut y tomó decisiones de ingeniería razonables sobre cómo simularla.

Pero la ejecución quedó corta respecto a lo que Qwen 3.6 entregó con el mismo prompt. La física se sentía ligeramente mal — los cálculos de agarre de neumáticos producían comportamiento poco realista a ciertas velocidades. El renderizado 3D tenía problemas de ordenación por profundidad. Las partículas de humo carecían de la aleatoriedad orgánica que hace que las simulaciones se sientan reales.

Aquí es donde esa brecha del índice de inteligencia entre Gemma 4 (puntaje 31) y Qwen 3.5 (puntaje 42) se muestra en la práctica. Tareas que requieren que el modelo razone a través de interacciones físicas novedosas — situaciones donde no puede depender de patrones memorizados de datos de entrenamiento — exponen el techo. Gemma 4 te lleva un sólido 70-75% del camino. Qwen te lleva al 85-90%. Para muchas aplicaciones, esa diferencia no importa. Para simulaciones complejas y juegos, sí importa.

Las Pruebas de Batalla en Arena — Rendimiento Agéntico en el Mundo Real

Pasé una tarde sólida ejecutando el modelo 31B a través del modo batalla de LM Arena — comparaciones cabeza a cabeza contra oponentes anónimos en una variedad de tareas. Aquí es donde ves cómo rinde un modelo cuando no puede depender de entrenamiento optimizado para benchmarks.

Gestión de estado interactivo: Le pedí que construyera un dashboard multi-pestaña con estado compartido entre componentes. Gemma 4 manejó esto limpiamente — state lifting correcto, gestión de contexto, actualizaciones reactivas. El código estaba bien estructurado y era mantenible.

Visor de producto 360 grados: Una visualización de producto con zoom, anotaciones de hotspot y rotación suave. El modelo generó esto desde un solo prompt con interacciones funcionales de ratón/táctil. El posicionamiento de hotspots era preciso, y el comportamiento del zoom se sentía natural.

Generación de SVG animado: Pedí una mariposa animada — la misma prueba que ejecuto con cada modelo. Resultados mixtos. La geometría de las alas fue creativa, pero el timing de la animación se sentía mecánico. Qwen 3.6 produjo movimiento más orgánico con el mismo prompt. La versión de GLM5 fue mejor aún. La animación SVG parece ser una debilidad persistente en el linaje de Gemma.

Clon de sitio web: Pedí una página de listados estilo Airbnb con contenido que pareciera real, iconos SVG, formato apropiado y diseño responsive. Esto fue sorprendentemente fuerte. El modelo generó iconos SVG personalizados que parecían diseñados intencionalmente, no aleatorios. La tipografía y el espaciado mostraron conciencia de diseño genuina. El layout era responsive. Estimaría que esto fue el 85% de lo que un desarrollador frontend de nivel medio produciría en unas horas de trabajo concentrado.

Lógica de juego: Un juego de cartas con lanzamiento de cartas basado en física, aplicación de reglas y puntuación. El modelo manejó la lógica del juego correctamente — gestión de turnos adecuada, cálculo de puntuación, validación de reglas. La física de los lanzamientos de cartas era simplificada pero funcional. Donde tuvo dificultades fue en el pulido visual de las animaciones de cartas.

En todas estas pruebas de batalla, un patrón emergió consistentemente: Gemma 4 31B es una excelente máquina de primer borrador. Las decisiones estructurales son sólidas. La arquitectura de código es limpia. La salida inicial te lleva el 75-85% del camino hacia un producto terminado. Pero la última milla — el pulido de animaciones, el manejo de casos límite, las interacciones sutiles que hacen que algo se sienta profesional — a menudo necesita refinamiento manual o una segunda pasada con un modelo más capaz.

Capacidades Agénticas — La Función Que Google Quiere Que Notes

Google está haciendo una apuesta deliberada con Gemma 4: quieren que estos modelos sean la base de flujos de trabajo de IA agénticos. No solo chatbots. No solo generadores de código. Agentes autónomos que encadenan herramientas, ejecutan planes multi-paso y sintetizan resultados a través de diferentes modalidades.

La implementación práctica de esto se muestra de varias formas.

Primero, el uso de herramientas está entrenado nativamente — no afinado sobre un modelo base. Cuando configuré un bucle de agente simple con el modelo 31B — buscar en la web, extraer datos, formatear como JSON, pasarlo al siguiente paso — el modelo manejó las transiciones limpiamente. Sabía cuándo llamar a una herramienta, cómo formatear la entrada y cómo interpretar la salida sin ingeniería de prompts extensiva. Este es el tipo de comportamiento que separa modelos sobre los que realmente puedes construir agentes de modelos que necesitan diez páginas de prompts de sistema para usar una calculadora.

Segundo, la salida JSON estructurada es confiable. Ejecuté cincuenta solicitudes consecutivas pidiendo esquemas JSON específicos — objetos anidados, arrays, campos opcionales, restricciones de tipo — y el modelo 31B acertó el formato correcto en 47 de 50 intentos. Las tres fallas fueron problemas menores de formato, no errores estructurales. Para pipelines de agentes en producción donde una respuesta JSON mal formada hace fallar el siguiente paso, esa confiabilidad importa más que cualquier número de benchmark.

Tercero, la capacidad de razonamiento multi-paso maneja bien las tareas compuestas. Le di al modelo 26B un prompt que requería: analizar una captura de pantalla de un dashboard, identificar tres problemas de UX, proponer soluciones específicas para cada uno y generar el código corregido. Ejecutó los cuatro pasos de manera coherente en una sola respuesta. Las críticas de UX fueron específicas y accionables. Las correcciones de código abordaron los problemas realmente identificados. La cadena de razonamiento no se desvió ni perdió contexto entre pasos.

Google también introdujo lo que llaman "agent skills" dentro del ecosistema de la app Gemini — esencialmente comportamientos agénticos empaquetados que los modelos Gemma más pequeños pueden ejecutar en el dispositivo. Los modelos más pequeños E2B y E4B pueden ejecutar estas agent skills completamente en un teléfono sin computación en la nube. Encadenar múltiples herramientas. Realizar tareas multi-paso. Combinar salidas. Todo localmente.

Esta visión de IA agéntica en el dispositivo es donde las cosas se ponen genuinamente interesantes. Imagina un teléfono que puede analizar tus fotos, extraer texto de documentos, cruzar información y tomar acciones — todo sin enviar un solo byte a un servidor. No estamos completamente ahí todavía con las capacidades del modelo E2B, pero la base arquitectónica está en su lugar. Y el modelo 26B ejecutándose en un Mac Studio demuestra que el concepto funciona a niveles de capacidad más altos.

Cómo Se Compara Gemma 4 Con Qwen 3.5 y Llama 4

No puedo escribir esta reseña sin abordar el panorama competitivo directamente. El espacio de IA de código abierto en abril de 2026 tiene tres grandes contendientes, y elegir entre ellos depende completamente de lo que estés construyendo.

Elige Gemma 4 cuando: Necesitas velocidad de inferencia local, despliegue en dispositivo o máxima eficiencia de tokens. La relación velocidad-calidad del modelo 26B MoE no tiene igual. Si tu pipeline agéntica encadena muchas llamadas y pagas por token, la ventaja de eficiencia de 2,5x se acumula en dinero real ahorrado.

Elige Qwen 3.5 cuando: La inteligencia bruta por parámetro es tu prioridad. Qwen gana en razonamiento general, tareas multilingües y el índice de inteligencia general. Si necesitas un modelo que maneje problemas novedosos e impredecibles — el tipo de tareas que no mapean limpiamente a datos de entrenamiento — Qwen actualmente tiene la ventaja.

Elige Llama 4 Scout cuando: La longitud de contexto no es negociable. Esa ventana de contexto de 10 millones de tokens está en un universo diferente de los 256K de Gemma 4. Si estás procesando codebases enteros, documentos del largo de un libro o conjuntos de datos masivos en una sola pasada, Llama 4 es la única opción.

La diferencia de licencia también importa. Tanto Gemma 4 como Qwen 3.5 usan Apache 2.0 — libertad comercial total sin restricciones. La licencia comunitaria de Llama 4 introduce un umbral de 700 millones de usuarios activos mensuales que no afectará al 99% de los desarrolladores pero se convierte en una restricción real si construyes algo que escala viralmente.

Mi opinión honesta: Gemma 4 no destrona a Qwen 3.5 como el mejor modelo abierto en general. Pero no necesita hacerlo. Su fortaleza es la historia de eficiencia — hacer el 80-90% de lo que hace Qwen mientras usa 2,5x menos tokens y ejecuta más rápido en hardware de consumo. Para casos de uso específicos, esa compensación es la correcta.

Accediendo a Gemma 4 — Cada Opción Disponible Ahora Mismo

Obtener estos modelos es más fácil que cualquier lanzamiento anterior de Gemma. Google claramente priorizó la accesibilidad esta vez.

Google AI Studio — Gratis. Sin tarjeta de crédito requerida. Puedes probar los cuatro modelos directamente en el navegador con entradas multimodales. Esta es la forma más rápida de probarlo. Google proporciona $25 en créditos de API gratuitos para desarrolladores que quieran ir más allá del playground.

Ollama — Soporte desde el primer día. Ejecuta ollama pull gemma4:26b o ollama pull gemma4:31b y estarás ejecutando localmente en menos de un minuto (después de la descarga). Para los modelos edge: ollama pull gemma4:e2b y ollama pull gemma4:e4b.

Hugging Face — Pesos completos del modelo disponibles para descarga. Todas las variantes de cuantización. Los fine-tunes de la comunidad ya están apareciendo.

LM Studio — Despliegue local point-and-click para cualquiera que no quiera tocar una terminal.

Kaggle — Notebooks y tarjetas de modelo con implementaciones de ejemplo.

API a través de la API de Gemini de Google — Para despliegues en producción. El precio se ubica en aproximadamente $0,14 por millón de tokens de entrada y $0,40 por millón de tokens de salida al enrutar a través de Gemma 4 en Vertex AI. Eso es absurdamente barato comparado con modelos cerrados frontier.

OpenRouter — Acceso API de terceros con endpoints estandarizados. Bueno si ya estás usando OpenRouter para otros modelos y quieres una configuración de facturación unificada.

Kilo CLI — Vale la pena mencionar específicamente para flujos de trabajo agénticos. El arnés de Kilo está optimizado para uso de herramientas y bucles de agentes, y múltiples desarrolladores en la comunidad lo han señalado como la mejor experiencia para las capacidades agénticas de Gemma 4 específicamente.

Para despliegue local, el punto ideal de cuantización parece ser Q4_K_M para el modelo 26B — preserva la mayoría de la calidad mientras cabe cómodamente en máquinas con 16GB+ de memoria unificada. El modelo 31B dense necesita más margen — 24GB mínimo para inferencia cómoda, y querrás 32GB+ si estás enviando prompts de contexto largo.

Lo Que Nadie Está Hablando — El Cambio de IA en Dispositivo

La mayoría de la cobertura de Gemma 4 se enfoca en los puntajes de benchmark del modelo 31B. Es justo — esos números son buenos, y los benchmarks generan titulares. Pero creo que la parte más trascendental de este lanzamiento es lo que está pasando en la parte inferior de la alineación de modelos.

Los modelos E2B y E4B representan algo que he estado observando durante meses: el momento en que la IA genuinamente útil deja de requerir una conexión a internet.

La Android AICore Developer Preview de Google permite a los desarrolladores de apps ejecutar los modelos edge de Gemma 4 directamente en dispositivos compatibles. No a través de una API en la nube pretendiendo ser en dispositivo. Realmente en el silicio dentro del teléfono. Los modelos soportan razonamiento multimodal — pueden analizar imágenes, procesar audio y combinar insights entre modalidades. En un teléfono.

Las implicaciones de privacidad son inmediatas y obvias. Apps médicas que analizan imágenes sin subirlas. Procesamiento de documentos que nunca sale del dispositivo. Asistentes personales que entienden tu contexto sin enviar tus datos a un centro de datos. Para mercados con requisitos estrictos de residencia de datos — salud, finanzas, gobierno — esto no es una conveniencia. Es un requisito de cumplimiento que se resuelve a nivel de modelo.

Las implicaciones de rendimiento son igualmente interesantes. Sin latencia de red. Sin rate limits de API. Sin interrupciones de servicio. El modelo está ahí cuando lo necesitas, ejecutándose en hardware que ya posees. Para flujos de trabajo agénticos que necesitan encadenar múltiples llamadas de inferencia rápidas, eliminar el viaje de ida y vuelta de red para cada llamada transforma lo que es arquitectónicamente posible.

He estado construyendo principalmente con modelos alojados en la nube — Claude, GPT, Gemini a través de APIs. Y continuaré haciéndolo, porque los modelos frontier todavía manejan tareas complejas mejor que cualquier cosa que se ejecute localmente. Pero los modelos edge de Gemma 4 representan el comienzo de una alternativa creíble para una categoría significativa de tareas. Uso simple de herramientas. Extracción de datos estructurados. Análisis de imágenes. Razonamiento multi-paso en problemas restringidos. Estos no necesitan un modelo en la nube de un billón de parámetros. Necesitan algo rápido, privado y suficientemente bueno.

El futuro no es nube O local. Es una capa de enrutamiento que envía tareas simples a tu instancia local de Gemma 4 y tareas complejas a Claude o GPT a través de la API. Gemma 4 hace viable esa arquitectura por primera vez con modelos que son realmente lo suficientemente buenos para confiarles trabajo real.

La Evaluación Honesta — Donde Gemma 4 Se Queda Corta

He pasado la mayor parte de este artículo destacando fortalezas genuinas, así que déjame ser directo sobre las debilidades. Mereces conocerlas antes de comprometerte con Gemma 4 para cualquier proyecto serio.

Techo de generación creativa. En tareas que requieren novedad genuina — simulaciones de física, mecánicas de juego complejas, animaciones SVG creativas — Gemma 4 consistentemente queda por debajo de Qwen 3.5 y 3.6. La brecha no es enorme, pero es consistente. Si tu trabajo requiere empujar modelos a territorio desconocido, alcanzarás este techo.

La brecha del índice de inteligencia. Una puntuación de 31 versus los 42 de Qwen en el índice de inteligencia holístico se traduce en diferencias notables en tareas de razonamiento compuesto. Cuando una tarea requiere que el modelo encadene cinco o seis pasos de razonamiento donde cada paso depende de acertar el anterior, Gemma 4 falla más a menudo. No frecuentemente — pero lo suficiente como para notarlo en pipelines agénticas ejecutando cientos de tareas.

Las capacidades multimodales son fuertes pero no las mejores de su clase. Las capacidades de visión manejan tareas estándar bien — analizar capturas de pantalla, extraer texto de imágenes, describir contenido visual. Pero en tareas que requieren razonamiento visual profundo — entender diagramas complejos, interpretar layouts visuales ambiguos, sintetizar insights a través de múltiples imágenes — encontré la salida menos confiable que lo que obtengo de Gemini 3 Pro o Claude Opus a través de sus APIs de visión nativas.

Los modelos edge son limitados. Los modelos E2B y E4B son impresionantes para su tamaño, pero siguen siendo modelos pequeños. Esperar que manejen flujos de trabajo agénticos complejos de la manera que lo hace el modelo 31B llevará a frustración. Son más adecuados para tareas específicas y bien restringidas — no para razonamiento abierto.

Documentación y madurez del ecosistema. Es 3 de abril de 2026 — Gemma 4 ha sido público por un día. Las herramientas de la comunidad, fine-tunes y mejores prácticas no han tenido tiempo de desarrollarse. Si buscas recetas listas para producción y configuraciones probadas en batalla, necesitarás ser paciente o construir las tuyas propias.

Ninguna de estas son razones para descartarlo. Cada modelo tiene debilidades. La pregunta es si las debilidades se superponen con tu caso de uso específico — y para muchos desarrolladores, no lo harán.

Lo Que Realmente Voy a Hacer Con Gemma 4

No escribo estas reseñas para clasificar modelos en un leaderboard. Las escribo para descubrir qué herramientas merecen un lugar permanente en mi flujo de trabajo y cuáles son interesantes-pero-no-para-mí.

Aquí es donde Gemma 4 aterriza para mí:

El modelo 26B MoE va a mi configuración de inferencia local inmediatamente. La relación velocidad-calidad para prototipado, generación rápida de código y extracción de datos estructurados es la mejor que he visto de un modelo ejecutable localmente. Cuando necesito una respuesta rápida y no quiero quemar créditos de API, este es mi predeterminado.

El modelo 31B dense se convierte en mi opción secundaria para tareas que necesitan más profundidad de razonamiento pero donde aún quiero mantenerme local. Revisiones de código complejas. Sugerencias de refactorización multi-archivo. Análisis de contexto largo de repositorios completos. Cualquier cosa donde quiero calidad pero también privacidad.

El modelo E4B va a mi lista de pruebas para un proyecto móvil que he estado planeando — una herramienta de análisis de documentos en dispositivo. Si puede extraer y razonar sobre contenido de documentos de manera confiable sin conectividad en la nube, eso resuelve un requisito de producto genuino con el que he estado luchando.

Para mis flujos de trabajo de programación agéntica primarios — las pipelines de agentes complejas y multi-paso que necesitan hacer juicios y manejar situaciones inesperadas — me quedo con Claude Opus y Qwen 3.6 Plus. Esos modelos todavía manejan las cosas difíciles mejor. Pero Gemma 4 acaba de reducir cuán a menudo necesito recurrir a ellos.

La historia de eficiencia es real. La historia de despliegue local es real. Las capacidades agénticas son genuinamente buenas, no afirmaciones de marketing estiradas más allá de la realidad. El esfuerzo de IA de código abierto de Google finalmente produjo algo que cambia cómo trabajo, no solo cómo pienso sobre benchmarks.

Hace un año, te habría dicho que ignoraras Gemma y te centraras en Llama o Qwen para trabajo de IA de código abierto. Hoy, te diría que pruebes el modelo 26B en tu propio hardware antes de tomar esa decisión. Podrías sorprenderte de lo que 3,8 mil millones de parámetros activos pueden hacer cuando son los 3,8 mil millones correctos.

Preguntas Frecuentes

¿Puede Gemma 4 ejecutarse en un Mac Mini o MacBook Pro?

El modelo 26B MoE funciona bien en máquinas Apple Silicon con 16GB+ de memoria unificada usando cuantización Q4_K_M a través de Ollama o LM Studio. El modelo 31B dense necesita 24GB mínimo. Los modelos edge (E2B, E4B) funcionan en prácticamente cualquier hardware moderno.

¿Es Gemma 4 realmente gratuito para uso comercial?

Sí. Los cuatro modelos se entregan bajo Apache 2.0 — la licencia de código abierto más permisiva disponible. Sin límites de usuarios activos mensuales, sin restricciones de uso aceptable, libertad total para despliegues comerciales y soberanos. Para la comparación completa de licencias, consulta la sección de análisis competitivo arriba.

¿Cómo se compara Gemma 4 con Qwen 3.5 para programación?

Gemma 4 31B obtiene 80% en LiveCodeBench v6 y genera código limpio y bien estructurado. Qwen 3.5 obtiene puntuaciones más altas en métricas de inteligencia general y maneja la resolución creativa de problemas mejor. La ventaja de Gemma 4 es la eficiencia de tokens — usa aproximadamente 2,5x menos tokens para tareas similares, haciéndolo significativamente más barato para flujos de trabajo de programación de alto volumen.

¿Cuál es la mejor forma de acceder a Gemma 4 ahora mismo?

Google AI Studio ofrece pruebas gratuitas basadas en navegador con $25 en créditos de API. Para uso local, Ollama proporciona soporte desde el primer día — solo ejecuta ollama pull gemma4:26b. El acceso a la API de producción a través de Vertex AI cuesta aproximadamente $0,14 por millón de tokens de entrada. Consulta la guía de acceso completa arriba para cada opción disponible.

¿Debería cambiar de Llama 4 a Gemma 4?

Depende de tus necesidades de ventana de contexto. Llama 4 Scout ofrece 10 millones de tokens de contexto — aproximadamente 40x más que los 256K de Gemma 4. Si estás procesando documentos masivos o codebases enteros en una sola pasada, Llama 4 sigue siendo la mejor opción. Para todo lo demás — velocidad, eficiencia, libertad de licencia, despliegue en dispositivo — Gemma 4 es la opción más fuerte.

Trabajemos Juntos

¿Buscas construir sistemas de IA, automatizar flujos de trabajo o escalar tu infraestructura tecnológica? Me encantaría ayudar.

• Fiverr (builds personalizados e integraciones): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (soluciones empresariales): ramlit.com
• ColorPark (diseño y branding): colorpark.io
• xCyberSecurity (servicios de seguridad): xcybersecurity.io