Google DeepMind Gemma 4 появились на Amazon Bedrock: три модели с MoE и мультимодальностью

Amazon Bedrock добавил в каталог три модели из семейства Gemma 4, разработанного Google DeepMind, — с открытыми весами, поддержкой мультимодального ввода и архитектурой MoE. Модели доступны через AWS API сразу же после объявления.

Три варианта для разных задач

Gemma 4 строилась с акцентом на интеллект в расчёте на параметр — максимальная эффективность при минимальных вычислительных требованиях. Семейство охватывает два архитектурных подхода: плотные (dense) модели и MoE, где при каждом запросе задействуется лишь часть нейросети. На Amazon Bedrock доступны три instruction-tuned варианта: Gemma 4 31B — классическая плотная модель с 31 млрд параметров, предсказуемая по поведению и удобная для дообучения Gemma 4 26B-A4B — MoE-архитектура: 26B параметров в модели, но на каждый запрос активируется только 4B * Gemma 4 E2B — облегчённый вариант для edge и ресурсоограниченных сред Все три распространяются под лицензией Apache 2.0 — коммерческое использование без ограничений по обороту или числу запросов.

Что умеют модели из коробки

Все варианты Gemma 4 поддерживают мультимодальный ввод: текст и изображения можно передавать в одном запросе. Это открывает применения в анализе документов, визуальном QA, обработке скриншотов и смешанных пайплайнах, где данные разных типов нужно обрабатывать за один проход. Встроенный reasoning позволяет модели делать промежуточные шаги перед финальным ответом. Особенно это заметно на сложных математических, логических и многоэтапных задачах — точность растёт без дополнительного prompt-инжиниринга. Нативный function calling даёт прямую интеграцию с агентными системами и внешними инструментами. Разработчикам не нужно изобретать обходные пути через форматирование вывода — модель вызывает функции нативно.

Почему MoE важна на практике Mixture-of-Experts — реальный способ снизить стоимость инференса.

При каждом запросе активируется только набор специализированных «экспертных» блоков, а не вся нейросеть целиком. Вычислительная нагрузка — как у небольшой модели, качество — как у крупной. Для Gemma 4 26B-A4B это означает: несмотря на 26 миллиардов параметров, инференс фактически работает с 4 миллиардами. В high-throughput сценариях, где стоимость каждого токена имеет значение, это существенное преимущество перед эквивалентными dense-моделями.

«Семейство создавалось с фокусом на широкий диапазон сценариев развёртывания», —

Google DeepMind в описании архитектуры Gemma 4.

Что это значит

Размещение Gemma 4 на Amazon Bedrock снижает порог входа для компаний из AWS-экосистемы: вместо самостоятельного развёртывания открытых весов — готовый API с управляемой инфраструктурой. Apache 2.0 при этом не ограничивает масштабирование, что делает семейство привлекательным для продуктовых команд, которым важна предсказуемость лицензионных условий.