Gemma 4: Il nuovo modello aperto di Google e perché funziona al meglio sui PC di uso comune

Google ha appena lanciato Gemma 4, la sua famiglia di modelli a parametri liberi più potente mai realizzata, e si tratta di una novità importante per chiunque utilizzi l'IA in locale su hardware di uso comune. Rilasciata il 31 marzo 2026 con una licenza Apache 2.0 completamente permissiva, Gemma 4 è progettata per offrire prestazioni all'avanguardia su GPU di consumo e persino su laptop, senza bisogno di alcun abbonamento.

La gamma comprende quattro dimensioni: E2B (2,3 miliardi di parametri effettivi), E4B (4,5 miliardi di parametri effettivi), una variante Mixture-of-Experts da 26 miliardi con soli 4 miliardi di parametri attivi e un modello denso da 31 miliardi. Ciò consente di disporre, all’interno di un’unica famiglia, di modelli che spaziano da quelli ottimizzati per l’edge computing a quelli quasi all’avanguardia, il tutto eseguibile su PC del tipo che gli appassionati stanno già assemblando.

Gemma 4 non è solo più grande, ma anche più intelligente sotto ogni aspetto. Ecco alcuni punti salienti:

• Ragionamento avanzato e agenti: pianificazione in più fasi, matematica, programmazione e flussi di lavoro autonomi pronti all'uso.
• Multimodale: gestisce testo e immagini in modo nativo, con supporto audio nelle varianti più compatte E2B ed E4B. L'analisi dei documenti, il riconoscimento dei grafici e l'OCR della scrittura manuale funzionano tutti con un unico comando.
• Contesto esteso: 128.000 token per i modelli E2B/E4B e ben 256.000 token per i modelli 26B MoE e 31B, una lunghezza sufficiente per caricare un intero codice sorgente o una pila di documenti.
• Multilingue: addestrato su oltre 140 lingue, con un ottimo supporto predefinito per decine di esse.

È disponibile su Hugging Face in versioni pre-addestrate e ottimizzate per istruzioni specifiche, ed è immediatamente compatibile con gli strumenti che già utilizzi, quali Ollama, LM Studio, llama.cpp, vLLM e Transformers.

Gemma 4 è stato progettato ponendo l'inferenza locale come obiettivo prioritario, e i dati lo confermano. NVIDIA e Google hanno collaborato alle ottimizzazioni "day-zero" per le schede RTX, e il recente lavoro su llama.cpp ha ridotto l'utilizzo della memoria della cache KV di quasi il 40% in scenari con contesti lunghi.

Con la quantizzazione Q4_K_M, il punto di equilibrio ideale per la maggior parte delle configurazioni, è possibile far stare il modello MoE da 26 miliardi di parametri su una scheda da 24 GB come una RTX 4090 o una 3090, lasciando spazio per un contesto da 8.000 token, e raggiungere comunque ben oltre 20 token al secondo. Con la quantizzazione NVFP4 di NVIDIA, anche il modello denso da 31 miliardi di parametri si adatta a una singola RTX 4090 con una perdita di precisione di solo circa lo 0,25%, preservando al contempo l'intero contesto da 256K.

E2B / E4B (edge e bassa latenza): una RTX 3060 o 4060 con 8 o 12 GB di VRAM e un moderno Ryzen 5 o Core i5 è più che sufficiente. Abbinatela a 32 GB di DDR5 e a un sistema di raffreddamento AIO silenzioso se prevedete di effettuare sessioni prolungate.

26B MoE / 31B dense (per il ragionamento e l'elaborazione multimodale): punta su una RTX 4090 (o una 3090 se ne possiedi già una), un Ryzen 7 / Core i7 o superiore, 64 GB di DDR5, un SSD NVMe Gen4 veloce per il caricamento dei modelli e un alimentatore da 850 W o più in un case con un'ottima ventilazione. Un sistema come il CORSAIR iCUE LINK TITAN RX RGB 360mm AIO mantiene la GPU e la CPU a temperature ottimali sotto carichi di inferenza prolungati.

1. Installa Ollama o LM Studio.

2. Scarica un modello Gemma 4 da Hugging Face (inizia con gemma4:e4b se sei alle prime armi, oppure con gemma4:31b se disponi di VRAM sufficiente).

3. Eseguire l'inferenza e prevedere una velocità di 50, 100+ token al secondo sulle schede RTX serie 40 per i modelli più piccoli.

4. Prova la funzione multimodale: carica un'immagine insieme a un prompt e lascia che analizzi uno screenshot, un grafico o una foto.

La funzionalità Edge Focus di Gemma 4 è estesa anche agli smartphone. Le varianti più compatte E2B ed E4B funzionano con CPU Arm e GPU mobili, garantendo una latenza quasi nulla per il riconoscimento vocale, l'analisi delle immagini e gli assistenti integrati nel dispositivo, senza bisogno del cloud. Lo stack AI Edge di Google e Android AICore ne rendono possibile l'utilizzo a livello di sistema su Android, mentre gli sviluppatori iOS possono sfruttare CPU e GPU tramite Metal.

Gemma 4 è la prova più evidente finora che i PC consumer di fascia alta non sono solo macchine da gioco, ma vere e proprie workstation per l'IA. Pesi aperti, una licenza permissiva, un livello di ragionamento all'avanguardia e una finestra di contesto da 256K che sta effettivamente su una singola GPU. Se possiedi già un sistema CORSAIR moderno, sei già a metà strada verso una vera workstation per l'IA locale. Se ne state configurando una, puntate su una scheda da 24 GB, 64 GB di DDR5 e un sistema di raffreddamento a circuito chiuso che non ceda sotto un carico prolungato.

Se cerchi un modo senza compromessi per eseguire Gemma 4 (e altri modelli open source) interamente sul tuo hardware, la CORSAIR AI Workstation 300 è stata progettata proprio per questo. Combina un AMD Ryzen AI Max+ 395 con l'iGPU Radeon 8060S e fino a 96 GB di VRAM unificata su 128 GB di memoria LPDDR5X-8000, offrendoti spazio sufficiente per caricare e mettere a punto grandi varianti di Gemma localmente senza ricorrere al paging su disco. Una NPU dedicata da 50 TOPS accelera l'inferenza e l'intero sistema sta in uno chassis da 4,4 litri che puoi mettere sulla tua scrivania. Per sviluppatori e ricercatori che vogliono privacy, bassa latenza e costi zero per token, è uno dei modi migliori per mettere Gemma al lavoro.