Локальный ИИ уже не только про текст

Google DeepMind выпустила Gemma 4 — новое поколение открытых моделей, рассчитанных в том числе на локальный запуск. Главная идея здесь не в том, что модель просто стала «ещё умнее», а в том, что локальный ИИ постепенно перестаёт быть только текстовым помощником.

Gemma 4 умеет работать с текстом и изображениями, а в части вариантов поддерживаются и другие входные данные. Google описывает семейство как набор open-weight моделей для reasoning, агентных сценариев и запуска на устройствах — от рабочих станций до edge-среды.

Коротко: теперь локальная модель может не только отвечать на вопросы, но и разбирать изображения, скриншоты и визуальный контекст.

Что известно о моделях

По официальным данным, семейство Gemma 4 включает несколько размеров, рассчитанных под разное железо: малые версии для локального запуска и более крупные модели для рабочих станций или серверов. Google отдельно подчёркивает, что Gemma распространяется с открытыми весами и допускает ответственное коммерческое использование.

У локальных сценариев есть важная практическая сторона: модель можно запускать рядом с данными. Это полезно, когда не хочется отправлять в облако документы, скриншоты, рабочие материалы или внутренние черновики.

Как это выглядит на практике

В пользовательских тестах Gemma 4 запускали на MacBook Pro с M4 Pro и 24 ГБ оперативной памяти. Модель работала через локальные инструменты вроде LM Studio или Ollama, а квантование помогало уменьшить потребление памяти. По таким тестам видно главное: локальная модель уже может быть не игрушкой, а вполне рабочим помощником для черновиков, кода, анализа скриншотов и простых визуальных задач.

Конечно, это не научный бенчмарк. На другом ноутбуке скорость, качество и расход памяти могут отличаться. Но сам факт, что мультимодальная модель запускается на обычной современной машине, уже заметен.

Картинки, код и прототипы

Самое интересное в Gemma 4 — работа с визуальным контекстом. Модель можно попросить разобрать изображение, объяснить скриншот, извлечь детали из интерфейса или помочь собрать черновой HTML/CSS-макет с SVG-элементами.

Для дизайна и разработки это не заменяет профессиональные инструменты. Но для быстрых прототипов сценарий выглядит живым: описал идею, приложил картинку или скриншот, получил набросок. Иногда результат будет неточным или грубым, но для начального этапа этого часто достаточно.

Что пока ограничивает локальный подход

Gemma 4 не отменяет облачные флагманские модели. У больших закрытых систем всё ещё есть преимущество в стабильности, качестве на сложных задачах и удобстве сервиса. Локальная модель сильнее зависит от железа, настроек, квантования и конкретной сборки.

Google развивает LiteRT-LM как инфраструктуру для on-device запуска Gemma 4 на Android, iOS, desktop, web и IoT. В блоге Google говорится о серьёзных оптимизациях для локального инференса, включая ускорение за счёт Multi-Token Prediction.

Пока это всё ещё зона для тех, кто готов немного разбираться. Но порог входа становится ниже.

Итог

Gemma 4 интересна не тем, что “убивает облачные модели”, а тем, что делает локальный ИИ более практичным. Если модель понимает текст и изображения прямо на устройстве, появляются сценарии для приватных ассистентов, анализа скриншотов, офлайн-инструментов, локального кодинга и быстрых прототипов. Облако всё ещё сильнее и удобнее на сложных задачах, но локальный запуск даёт контроль, приватность и независимость от API. Пока качество зависит от железа, настроек и квантования, но направление понятное: ИИ постепенно переезжает ближе к пользователю.

Источник: DEV Community Google Blog Google AI for Developers Google DeepMind