Gemmaとは？モデル一覧や料金、Gemini・Llama・Qwenとの違いを徹底解説

Gemma（ジェマ）とは、Google DeepMindが2024年から展開しているオープンウェイトの大規模言語モデル（LLM）シリーズです。
Geminiと同じ研究基盤から派生させた軽量モデル群として設計されており、2026年4月のGemma 4リリースでライセンスがApache 2.0に切り替わったことで、商用・オンプレ運用の入口が一段広がりました。

本記事では、Gemmaシリーズ全体の立ち位置、本体4世代と派生モデル群のラインナップ、4つの利用ルート、料金体系、Gemini・Llama・Qwen・DeepSeekとの使い分け、日本国内で本番導入するときの注意点までを、2026年8月時点の公式一次情報で体系的に解説します。

Gemmaとは？Google DeepMindのオープンウェイトLLMシリーズ

Gemma 4：Google DeepMindが2026年4月に発表した最新オープンウェイトLLMシリーズ（出典：Google Blog）

Gemma（ジェマ）とは、Google DeepMindが2024年2月から展開しているオープンウェイトの大規模言語モデル（LLM）シリーズです。名前はラテン語で「宝石」を意味し、フラッグシップのGeminiと同じ研究基盤から派生させた軽量モデル群として位置づけられています。

ウェイトはHugging Face・Kaggleから直接ダウンロードでき、Gemini Enterprise Agent Platform（旧Vertex AI）のModel GardenはAgent Platformエンドポイントへのデプロイ経路として提供されます。ブラウザからは Google AI Studio でも試せます。

OpenAIのGPT-OSS、Metaの Llama、AlibabaのQwen、DeepSeekと並ぶ主要オープンウェイト陣営の一角として、モバイル・エッジ向けの軽量モデルから、サーバー級の31B Dense・26B MoEまでを1つのブランド内で連続的に提供している点が特徴です。

汎用テキストの本体系列に加え、コード特化のCodeGemma、ビジョン言語のPaliGemma、医療特化のMedGemma、安全評価のShieldGemma、翻訳のTranslateGemma、埋め込みのEmbeddingGemmaといった用途特化派生が10種以上並んでおり、モダリティ・タスク・実行環境ごとに派生モデルを選び分ける設計になっています。

Gemma 4世代への転換とApache 2.0化

Gemmaは2024年2月のGemma 1公開以降、Gemma 2（2024年6月）・Gemma 3（2025年3月）・Gemma 3n（2025年6月）と世代を重ね、2026年4月2日にGemma 4が発表されました。

Gemma 4での最大の変化は、ライセンスがそれまでのGoogle独自の「Gemma Terms of Use」からApache 2.0に切り替わった点です。

Gemma 3以前は使用範囲・派生モデル配布に個別条項が課されており、法務チームがオープンソース系プロジェクトへの組み込みを慎重に扱うケースが少なくありませんでした。Gemma 4のApache 2.0化により、商用利用・改変・再配布・派生モデル配布の条件が業界標準のオープンソースライセンスに揃い、社内外での利用判断がしやすい構造に整理されています。

同時にGemma 4本体系列にもE2B・E4Bという小型サイズが追加され、同じGemma 4ブランド・Apache 2.0ライセンスの1系列でエッジ〜サーバーまでカバーする構造になりました。前世代のモバイル・エッジ特化系列であるGemma 3nは、公式カタログではGemma 4と併存する形で残っています。

---

Gemmaシリーズのラインナップ｜本体4世代と用途特化派生モデル

Gemmaシリーズは、汎用テキストの本体系列（Gemma 1→2→3→3n→4）に加え、コード・ビジョン・医療・安全評価・翻訳などの用途に特化した派生モデル群が10種以上並列で展開されています。

本セクションでは、それぞれの世代・派生モデルの用途と選定の目安を整理します。

主要ラインナップの用途別マップ

以下の表で、Gemmaシリーズの主要モデルを本体世代と用途特化派生に分けて整理しました。まずは全体像を掴むための地図として読んでください。

区分	モデル	主用途	サイズ・特徴
本体・現行	Gemma 4	汎用フラッグシップ	E2B / E4B（エッジ）／12B（ラップトップ）／26B MoE（レイテンシ重視）／31B Dense（品質重視）
本体・小型	Gemma 3 270M	超軽量エッジ	2.7億パラメータ、組み込み・オフライン用途
本体・前世代	Gemma 3 / 3n	前世代フラッグシップ／モバイル特化	1B / 4B / 12B / 27B（Gemma 3）、E2B / E4B（Gemma 3n）
派生・コード	CodeGemma	コード生成・補完	初代Gemmaベース、2B/7Bの軽量コーディング
派生・ビジョン	PaliGemma 2 mix	視覚言語推論	3B / 10B / 28B、SigLIP + Gemma
派生・医療	MedGemma 1.5 4B	医療画像・文書理解	4B、Health AI Developer Foundationsライセンス
派生・安全評価	ShieldGemma 2	画像コンテンツの安全性判定	Gemma 3 4B ITベース、画像安全分類
派生・データ解析	DataGemma	統計データ質問応答	Data Commons接続、RIG／RAG手法研究向け
派生・翻訳	TranslateGemma	55言語翻訳	4B / 12B / 27B
派生・埋め込み	EmbeddingGemma	オンデバイス埋め込み	308M
派生・関数呼び出し	FunctionGemma	エッジ関数呼び出し	270M
派生・プライバシー	VaultGemma	差分プライバシー事前学習の研究モデル	Gemma 2ベース、1B
派生・拡散	DiffusionGemma	テキスト拡散生成	Gemma 4ベース、生成速度最適化

この表から読み取れるのは、Gemmaは「本体で幅広いサイズ帯をカバーしつつ、用途特化派生でモダリティ・業界要件を後付けしていく」二層構造の設計、という点です。

本体の Gemma 4 だけでE2Bクラスの組み込みから31Bクラスのサーバー推論までカバーしつつ、医療・翻訳・安全評価といった業界特化領域は派生モデルとして分岐させることで、汎用と特化のバランスを取っています。

Gemma 4本体｜エッジからサーバーまで5サイズ

Gemma 4 12B：エンコーダーフリーのマルチモーダル設計で16GB RAMラップトップに載る中間サイズ（出典：Google Blog）

Gemma 4はGoogle公式ブログで「Byte for byte, the most capable open models」と位置づけられており、初期4サイズが2026年3月31日にリリース（発表は4月2日）、追加の12Bが6月3日に公開されました。

• Gemma 4 E2B / E4B
  モバイル・IoT・組み込み向けのエッジ最適化サイズ。E4Bは4GB RAM級のスマートフォンでも動作。音声入力はE2B/E4Bに加え12Bも対応
  
  

• Gemma 4 12B
  2026年6月3日追加のエンコーダーフリー・マルチモーダルモデル。16GB RAMのラップトップで動作しつつ、26B MoE並みの性能を半分以下のメモリで実現
  
  

• Gemma 4 26B（Mixture of Experts）
  レイテンシ最適化型MoE。総パラメータ約25B・アクティブ約3.8Bで推論効率を稼ぐ設計。Arena AIテキストリーダーボードで世界のオープンモデル第6位（2026年4月1日時点）
  
  

• Gemma 4 31B（Dense）
  品質最大化型のフラッグシップ。Arena AIテキストリーダーボードで世界のオープンモデル第3位（2026年4月1日時点）、20倍規模のモデルを上回るタスクも報告されている

全サイズ共通で140以上の言語に対応し、テキスト・画像・動画フレームの入力を扱えます。音声入力はE2B/E4B/12Bで対応、コンテキストウィンドウはエッジモデル（E2B/E4B）が128K、12B/26B/31Bが最大256Kです。

Gemma 4はApache 2.0で公開されており、Hugging Face・Kaggle・Ollama・当時のVertex AI（現Gemini Enterprise Agent Platform）・Cloud Run・GKE・Google AI Studio・Google AI Edge Galleryなど15以上のプラットフォームで即日配布されました。

【関連記事】
Gemma 4とは？モデル構成や料金、商用利用について解説

用途特化派生モデル群｜Code・Pali・Med・Shield・Data・Translate

汎用の本体系列とは別に、Gemmaには10種以上の用途特化派生モデルが並行提供されています。

• CodeGemma
  コード生成・補完・理解に特化。初代Gemmaをベースに、コードコーパスで追加事前学習した2B/7Bの派生
  
  

• PaliGemma 2 mix
  SigLIPビジョンエンコーダーとGemmaを組み合わせた視覚言語モデル。3B / 10B / 28Bの3サイズ、視覚質問応答・画像キャプション・OCRなどのタスクに対応
  
  

• MedGemma 1.5 4B
  医療テキスト・画像の理解に特化した4Bモデル。ヘルスケアAIアプリケーション構築を想定し、Health AI Developer Foundationsライセンスで提供
  
  

• ShieldGemma 2
  画像とポリシープロンプトを入力に、画像コンテンツの安全性ラベルを出力する画像モデレーション用モデル。Gemma 3 4B ITチェックポイントをファインチューン
  
  

• DataGemma
  Google Data Commonsに接続して統計データを質問応答するモデル。RIG（Retrieval-Interleaved Generation）・RAGの手法研究向け
  
  

• TranslateGemma
  55言語の翻訳に特化した4B / 12B / 27Bの3サイズ、コミュニケーションの多言語対応向け
  
  

• EmbeddingGemma
  オンデバイス埋め込み生成向けの308Mモデル。ローカルRAG・セマンティック検索の埋め込み層として利用
  
  

• FunctionGemma
  エッジデバイス向けの関数呼び出し特化270Mモデル。スマートフォン・IoTでのツール呼び出しを想定
  
  

• VaultGemma
  Gemma 2をベースに差分プライバシー（differential privacy）で事前学習した1Bの研究モデル。学習データからの個人情報漏洩リスクを抑える手法の検証用途
  
  

• DiffusionGemma
  Gemma 4ベースのテキスト拡散モデル、生成速度最適化。Gemini Diffusionと同種の拡散型テキスト生成のオープン実装

派生モデルは本体とは別のライセンス条項が適用される場合がある点に注意が必要です。特にMedGemma系のHealth AI Developer Foundationsライセンスは、Apache 2.0とは条項が異なるため、業務投入前には各モデルカード（Hugging Face・Kaggle）でライセンス条項を個別に確認します。

---

Gemmaを使う4つのルート｜Google AI Studio・Agent Platform・Hugging Face・ローカル

Gemmaの利用ルートは、想定用途・データ主権要件・技術検証段階に応じて4つあります。

本セクションでは、それぞれの入口・接続方式・向いている用途を整理します。

試用：Google AI Studio

もっとも軽い入り口は、公式のブラウザチャットであるGoogle AI Studioと同じくGoogleが提供するGemini APIです。

Googleアカウントでサインインすれば、Gemma 4 31B・26B A4Bをブラウザから直接呼び出せます。エッジ側のE2B・E4Bは、iOS/Android向けのオンデバイスアプリGoogle AI Edge Galleryで実機動作を確認できます（12BはGemini API/AI Studioでは現時点で提供対象外で、Agent Platformやローカル運用側で扱います）。

• 試用モデル
  Gemma 4 31B / 26B A4BをAI Studio・Gemini APIで、E2B / E4BをAI Edge Galleryアプリで実機確認可能
  
  

• 搭載機能
  プロンプト実行、パラメータ調整、システム指示、コード生成用のスタジオUI
  
  

• 想定用途
  PoC前の応答品質確認、モデル間比較、プロンプト設計の初期試行

Google AI Studioは業務データを本番運用する前提の設計ではないため、機密情報や社内コードは投入せず、応答品質の観察と初期プロンプト設計に用途を絞るのが安全です。

本番運用：Agent Platform Model Garden（旧Vertex AI）

Vertex AI Model Gardenで即日提供開始されたGemma 4（出典：Google Cloud Blog）

本番用途で最も一般的なルートが、Google Cloud上のAgent Platform（Vertex AI 系サービスの現行名称）のModel Gardenです。Gemma 4 26Bはトークン単価のフルマネージドAPIで提供され、31B・12Bを含むそれ以外のサイズはユーザー自身がエンドポイントをデプロイする「セルフデプロイ」で利用します。

• 提供モデル
  Gemma 4 26B（マネージド従量課金）、31B・12B・E4B・E2B（セルフデプロイ）、Gemma 3・Gemma 3n・CodeGemma・PaliGemma等の主要派生（Model Gardenからデプロイ）
  
  

• 接続方式
  Agent Platform APIから呼び出し、または一時的なエンドポイントをデプロイして推論
  
  

• API規格
  Google Cloud SDK・REST API・OpenAI互換エンドポイント（Prediction API経由）

Agent Platform経由の利点は、推論インフラの構築・スケーリング・監視をGoogle Cloud側に委譲できる点にあります。26Bのマネージド提供はToken単位の従量課金で扱えるため、GPUサーバーの調達・運用工数を負わずに本番運用に載せられます。31Bや12BのセルフデプロイもAgent Platform経由で必要な計算資源を確保できるため、社内でのGPU運用と切り離した本番稼働が可能です。

セキュリティ要件が厳しい業界では、Google CloudのVPC Service Controls・Customer-Managed Encryption Keys（CMEK）と組み合わせることで、Gemmaを使いながらデータ境界を維持する構成も可能です。

派生開発：Hugging Face・Kaggle

Gemmaシリーズのウェイトは、Hugging FaceのGoogle公式コレクションとKaggle Modelsから直接ダウンロードできます。

• 配布形式
  FP16・BF16・GGUFなどの各種フォーマット、Instruct版・Base版
  
  

• 主用途
  派生モデルの開発、ファインチューニング、量子化、独自ベンチマーク評価
  
  

• フレームワーク対応
  Transformers（Hugging Face）・JAX・PyTorch・KerasNLP・vLLM・SGLang・llama.cpp

Hugging Face経由の派生開発ルートは、社内データでGemmaを追加学習してオリジナルの派生モデルを作りたい場合に選ばれます。Gemma 4のApache 2.0化により、ファインチューン結果を社内配布・限定公開・商用配布する際の条件がクリアになり、この派生開発ルートの実務ハードルは大きく下がりました。

ローカル運用：Ollama・vLLM・llama.cpp

社内データを外部に出せない要件では、ダウンロードしたウェイトを社内GPUサーバー・ワークステーションで動かす選択肢があります。

• 推論エンジン
  vLLM / SGLang / TensorRT-LLM（サーバー用途）、llama.cpp / Ollama / MLX（ローカル用途）
  
  

• 量子化
  GGUF Q4 / Q5 / Q8フォーマットが主要モデルで用意されており、コンシューマGPUでも動作
  
  

• 導入コマンド例
  Ollama経由なら ollama run gemma4:31b 相当の1コマンドで導入プロセスを進められる

Gemma 4 E2B / E4Bはスマートフォン・Raspberry Piクラスでも動作するため、インターネット接続のないオフライン環境でのAI活用が現実的な選択肢になっています。12BはM3 Max搭載のMacBook Proや16GB RAM級のWindowsラップトップで動作します。31Bは公式メモリ要件でBF16約69.9GB・Q4量子化約17.5GB、26BはQ4で約14.4GBと案内されており、精度をBF16で維持したい場合は80GB H100 1枚、量子化を許容するなら24GB級GPU 1枚が射程に入ります。

エッジ〜サーバーまで同じGemmaファミリー内で連続的にサイズを選べるため、開発時はローカル、本番はサーバー、といったフェーズ別のサイズ切り替えを1系列で完結できます。

---

Gemmaの料金体系

Gemma自体はオープンウェイトでウェイトのダウンロード・利用そのものは無料ですが、実際の運用では「Agent Platformのマネージド推論単価」「Google AI Studioの無料枠と制限」「ローカル運用のGPU・電力・運用工数」の3系統でコストが発生します。

本セクションでは、2026年8月時点の料金を軸に整理します。

Agent Platform Gemma 4のAPI単価

以下の表で、Agent Platformから呼び出す場合のGemma 4主要モデルの推論単価を整理しました（2026年8月時点、公開ベンダーレート）。

モデル	入力 $/1M	出力 $/1M	備考
Gemma 4 26B（マネージド従量課金）	$0.15	$0.60	Agent PlatformのフルマネージドAPIで提供
Gemma 4 31B（Dense）／12B／E4B／E2B	—	—	公式トークン単価表なし。Agent Platformまたは自社GPUへのセルフデプロイで、消費する計算資源に応じて課金

この表から見えるのは、Gemma 4 26BマネージドAPIは、後述の比較対象モデルの中でも低単価帯にあるという点です（セルフデプロイの実効コストはGPU構成・稼働率で変わるため、この比較には含めていません）。

比較すると、Claude Opus 4.7の入力$5/M・出力$25/M、GPT-5.5系の入力$5/M・出力$30/M、Qwen 3.7-Maxの入力$2.5/M・出力$7.5/M（シンガポール・International標準。東京リージョンGlobalは入力$1.65/M・出力$4.951/M）と並べたとき、Gemma 4 26Bマネージドの入力$0.15/Mは入力単価でClaude Opus・GPT-5.5の約1/33、Qwen3.7-Max（シンガポール標準）の約1/17にあたります。

出力単価も同じレンジで安価であり、大量長文処理・バッチ処理・オフラインRAGでの実効コストは、商用フロンティアと比べて大幅に抑えられる設計です。ただし作文・複雑推論・エージェントの長丁場タスクでは、AI総研の導入支援経験としてClaude Opus・GPT-5.5系が優位に立つケースもあるため、タスク性質に応じてフロンティア商用APIとの使い分けを設計するのが実務判断です。

Google AI Studioの無料枠

Google AI Studioからのブラウザ試用は、Gemma 4主要サイズを含めて無料で提供されています。

• 無料試用モデル
  Gemma 4 31B / 26B A4B（AI Studio・Gemini API）、Gemma 4 E4B / E2B（AI Edge Galleryアプリ）
  
  

• 主な制限
  セッションあたりのトークン数・1日あたりのリクエスト数に制限あり、業務データの本番投入は非推奨
  
  

• 想定用途
  PoC前の応答品質評価、日本語・英語での比較テスト、プロンプト設計の初期試行

AI Studioは「Gemmaが自社ワークロードに合うか」を判断するための無料入口として位置づけ、本番推論はAgent Platformないしローカル運用に切り替えるのが実務ルートです。

ローカル運用のコスト構造

ローカル運用のコストは、単価計算ではなくGPU調達・電力・運用工数の総和として捉える必要があります。

• エッジ層（E2B / E4B）
  スマートフォン・Raspberry Pi等の既存デバイスで動作、追加GPU不要
  
  

• ラップトップ層（12B）
  16GB RAM級のMacBook Pro / Windowsラップトップで動作、追加ハードウェア調達不要のケースが多い
  
  

• ワークステーション層（26B MoE）
  RTX 4090（24GB VRAM）・RTX 5090クラス1枚で量子化版が動作、電力・冷却・運用時間を積算
  
  

• サーバー層（31B Dense）
  BF16なら約69.9GBで80GB H100 1枚に収まり、Q4量子化なら約17.5GBで24GB級GPU 1枚が射程。クラウドGPU時間課金も同時に選択肢に入る

ローカル運用は推論量が一定量を超えるとAgent Platform従量課金より実効単価を抑えられる分岐点があります。分岐点はGPU構成・量子化・電力・稼働率・入出力比で変わるため、Agent Platform 26Bマネージド単価との比較を、想定ワークロードで実測してから切り替え判断するのが実務的です。

ローカル運用固有のコストとして、モデル世代交代（Gemma 4→5）に伴うファインチューニング・評価の再実施工数も試算に含めます。オープンウェイトの利点はカスタマイズの自由度ですが、その裏側で世代追従の運用負担が発生する点は先に押さえておくべきです。

---

GemmaとGemini・Llama・Qwen・DeepSeekの比較

Gemmaはオープンウェイト陣営の一角として、Google内のクローズド商用モデルGemini、Metaの Llama 4、AlibabaのQwen、DeepSeekなどと並列に比較されます。

用途別の選定軸を、実務ケース別に整理します。

GemmaとGeminiの違い｜同じGoogle DeepMindの2系統

GemmaとGeminiはどちらもGoogle DeepMind発ですが、位置づけは対照的です。

• Gemini
  Googleのフラッグシップクローズド商用モデル。Gemini App・Google AI Studio・Google Workspace・API等のGoogleサービス経由で提供され、ウェイトは非公開
  
  

• Gemma
  Geminiと同じ研究基盤から派生させたオープンウェイト系列。ウェイト公開・自社環境での実行・派生モデル配布が可能

両者の役割分担は、Geminiがフロンティア品質・マルチモーダル・長文コンテキストで最高性能を追求するのに対し、Gemmaは「Gemini研究の成果をオープンな形で開発者に提供する」二段構え、という設計です。

Gemini APIで本番運用しつつ、オフライン要件・データ持ち出し禁止要件の部分だけGemmaでオンプレ運用する、というマルチモデル戦略はGoogle内で完結できる組み合わせです。

GemmaとLlama 4｜オープンウェイト双璧の使い分け

Metaの Llama 4は、Gemma 4と並ぶオープンウェイトの主力候補です。

Llama 4はテキスト＋画像のマルチモーダルモデルとして提供されており、Gemma 4がテキスト＋画像＋動画フレーム＋音声（E2B/E4B/12B）まで扱えるのに対し、音声入力と動画フレーム解析のカバー範囲でGemma 4が優位な設計になっています。

一方でLlama系列は、Meta自身の大規模ソーシャル配信・研究発表の量からくるエコシステム・派生モデルの厚みでGemmaを上回る領域があります。llama.cpp・Ollamaのようなオープン推論エンジンはLlama系列を主軸に発展してきており、コミュニティサポートの厚みではLlamaが先行しています。

実務判断としては、マルチモーダル用途・エッジ最適化・Gemini研究基盤との親和性を重視するならGemma、大規模モデル選択肢・派生モデルエコシステムの厚みを重視するならLlama、という棲み分けが2026年時点の整理です。

中国系オープンウェイト（Qwen・DeepSeek・GLM・Kimi）との比較

中国系オープンウェイト陣営はモデル世代交代のスピードが速く、Qwen・DeepSeek・GLM-5.3（ウェイトは近日公開予定）・Kimi K2がそれぞれ異なる強みを持ちます。

• Qwen：モダリティ網羅性（VL / Omni / Coder）とModel Studio東京リージョン提供
• DeepSeek：数学・純粋推論の強み、V4系列でエージェント能力を強化
• GLM-5.3：エージェント・関数呼び出し特化
• Kimi K2：長文コンテキスト処理

Gemmaがこれら中国系オープンウェイトと差別化される点は、Google DeepMindという西側フロンティア研究組織発である安心感と、Agent Platform経由でのマネージド提供という2つの入口が同時に用意されていることです。

データ主権・法務レビューの観点で「中国系モデルの採用可否を都度確認する必要がある」日本企業では、Gemmaは採用判断の閾値が相対的に低いオープンウェイト選択肢として位置づけられます。

ケース別の推奨（AI総研の導入支援経験から）

以下の表で、実務ケースごとの推奨モデルを整理しました。中立比較ではなく、AI総合研究所の導入支援経験に基づく推奨としてお読みください。

ケース	推奨
Google Cloud上でオープンウェイトを本番運用	Agent PlatformのGemma 4 26B（コスト効率最良）
オンプレでフロンティア級性能を追求	Gemma 4 31B Dense（BF16なら80GB H100 1枚、Q4量子化なら24GB級GPU 1枚が射程）
ラップトップ・ワークステーションで開発	Gemma 4 12B（16GB RAM級で動作）
スマートフォン・IoTでのオフラインAI	Gemma 4 E2B / E4B
医療・ヘルスケアAI構築	MedGemma 1.5 4B（Health AI Developer Foundationsライセンス）
画像モデレーション（安全性判定）	ShieldGemma 2
ローカルRAGの埋め込み層	EmbeddingGemma（308M）
フロンティア級の日本語作文・複雑推論	Gemini・Claude Opus 4.7・GPT-5.5系の商用フロンティアを優先

Gemmaは「安く速く回す」領域・オンプレ運用・派生モデル展開では第一候補ですが、フロンティア級の作文品質・複雑推論では商用フロンティアが依然として一段上、という前提で業務単位の使い分けを設計するのが実務判断の要になります。

---

Gemmaを本番導入するときの注意点

Gemmaはオープンウェイトのメリットが大きい一方、業務で本格運用する際はライセンス切替・派生モデル別ライセンス・世代追従・日本語品質の4点を先に押さえておく必要があります。

Gemma 3以前と4のライセンス切替

Gemma 4のApache 2.0化は、Gemma 3以前とは適用ライセンスが根本的に異なるという運用インパクトを伴います。

Gemma 1〜3は、Googleが定めた独自の「Gemma Terms of Use」に従う源泉開示型ライセンスで、使用目的・派生モデル配布・商標利用に個別条項が課されていました。企業の法務チームはこの条項を都度レビューする必要があり、汎用オープンソースプロジェクトへの組み込みには慎重な判断が求められていました。

Gemma 4以降は業界標準のApache 2.0に切り替わり、商用利用・改変・再配布・派生配布の条件が明確化されました。ただし「制限が無い」ということではなく、ライセンス文の同梱・変更表示・NOTICEと帰属表示の保持といった条件があります。

社内で運用中のGemma 3系派生モデルをGemma 4に置き換える際は、単なるモデル差し替えではなく、ライセンス条項ベースでのコンプライアンス再確認を含めて計画するのが実務対応です。

派生モデル別のライセンス

Gemma本体がApache 2.0でも、用途特化派生モデルは別ライセンス条項が適用される場合があります。

• MedGemma系：HAI-DEF Terms（Health AI Developer Foundations）とProhibited Use Policyが適用される。加えてMedGemma 1.5モデルカードは、出力を診断・患者管理・治療判断に直接使用することは想定されていないと明記
  
  

• ShieldGemma系：Gemma Terms of Useの派生型を適用する場合あり
  
  

• PaliGemma / CodeGemma等：モデルカードに個別条項が記載されるケースあり

派生モデルを業務投入する前には、必ずHugging Face・KaggleのモデルカードでLicenseフィールドを個別確認し、Apache 2.0以外の場合は法務・情シスと分担してレビューします。

モデル世代の追従とGemma 3nとの併存

Gemmaは直近1年でGemma 3（2025年3月）→Gemma 3n（2025年6月）→Gemma 4（2026年4月）→Gemma 4 12B（2026年6月）と急速に世代交代しています。

特に注意すべきは、Gemma 4本体系列にもE2B・E4Bが追加され、モバイル・エッジ特化のGemma 3nと領域が重なった点です。公式カタログではGemma 3nはGemma 4と別系列として掲載されており、廃止・移行必須の告知は現時点でありません。Gemma 3nを組み込んだプロダクトはそのまま利用継続できますが、Gemma 4 E2B/E4Bとの性能・機能差を比較して、次期リリースでどちらを採用するかを検討するタイミングにあります。

業務システムからGemmaモデル名を直接ハードコードする実装は避け、モデル選択レイヤーを1枚挟む設計にしておくと、世代交代時の運用切り替えが安定します。

日本語品質のバラつき

Gemma 4は140以上の言語対応を謳っていますが、日本語別の評価スコアは公式モデルカードで開示されていないため、実際の応答品質は自社のプロンプト・タスクで実測して確認するのが安全です。

日本語での業務プロンプト・専門用語の使い分け・敬語表現を評価軸に含めた比較テストを、本番投入前に必ず挟むのが期待値のズレを避ける確実な方法です。モデルサイズ別・タスク別の日本語品質は、社内検証で数値化してから採用可否を判断します。

日本語作文品質を最優先するユースケースでは、社内検証の結果次第でGemini・Claude・GPT等の商用フロンティアモデルとの並走運用も選択肢に入ります。

---

Gemmaで整えた技術検証を業務実装につなげるなら

Google AI Studioでの試用やAgent Platform・ローカル運用での性能検証は、あくまで「Gemmaが自社ワークロードで使えるか」の入口段階です。実務で成果を出すには、Teams等の業務UIから呼び出し、社内システムを更新し、承認フロー・実行ログを一元管理する運用設計が並行して必要になります。

このレイヤーを担うのが、自社Azureテナント内で動くエンタープライズAIエージェント基盤です。AI総合研究所のAI Agent Hubは、Gemma・Qwen・Claude・GPT・Geminiのマルチモデル戦略を前提に、業務特化Agent群を1つのダッシュボードで統合管理する運用基盤として機能します。

• モデル選択の自由度を保ったまま運用集約
  Gemmaをはじめとするオープンウェイトモデルとマネージドモデルをバックエンドで切り替えても、業務Agent側の設計は変わりません。特定モデル依存を避けつつ実行ログ・権限管理は1画面に集約されます。
  
  

• データは100%自社Azureテナント内に保持
  Gemmaのオープンウェイト特性を活かして自社テナント内デプロイし、AIの学習対象から完全除外。Azure Managed Applicationsとして動作が完結する設計です。
  
  

• Teams入口で業務プロセスに接続
  Gemmaで検証したモデルをTeams上のAgentから呼び出し、社内DB・基幹システムを更新するフローまで一気通貫。技術検証と業務実装の間の断絶を構造的に解消します。

AI総合研究所の専任チームが、Gemmaを含むオープンウェイト活用の技術検証から業務実装・運用ガバナンスまで一貫して支援します。AI Agent Hubのサービスページで、マルチモデル運用の実装例をご確認ください。

---

まとめ｜Gemmaをどう検討するか

本記事では、Gemmaを「Google DeepMindのオープンウェイトLLMシリーズ」として整理し、本体4世代と派生モデル群のラインナップ・4つの利用ルート・料金体系・競合との使い分け・本番導入時の注意点を解説しました。

2026年8月時点で押さえておくべきポイントは次の3つです。

• Gemmaは「本体4世代（Gemma 1→2→3→4）」と「用途特化派生10種以上」の二層構造で、エッジからサーバーまで単一ブランドで連続提供
• Gemma 4でのApache 2.0化により、Gemma 3以前と比べて商用利用・再配布・派生配布の条件が業界標準に整理された
• Agent Platform Gemma 4 26B（マネージド）の入力$0.15/M・出力$0.60/Mは、入力単価で商用フロンティアAPIの約1/33の低単価。作文・複雑推論などタスクによって商用フロンティアが優位に立つ場面もあり、業務単位の使い分けが要
  
  

導入判断で迷う読者の次の一歩として、AI総合研究所が現場で推奨しているのは以下の順序です。

まずはGoogle AI Studioで応答品質の感触を掴み、続いてAgent PlatformでGemma 4 26B（マネージド従量課金）のSDK互換性・レイテンシを検証します。そのうえで、コスト優位を活かせるワークロード（大量長文処理・オフラインRAG・エッジAI）を1〜2つ選び、既存のClaude / GPT / Gemini運用と並走で本番テストするのが手堅いルートです。

派生モデル群（CodeGemma・PaliGemma・MedGemma等）は本体とは別ライセンス条項が適用されるケースがあるため、業務投入前のライセンス確認を工程に組み込みます。フロンティア商用モデルとの二段構えでGemmaを組み込むマルチモデル運用が、2026年後半のオープンウェイト活用の実務標準になっていく可能性があります。