Gemma 4: โมเดลเปิดของ Google ที่ออกแบบมาให้รันบนเครื่องเราเอง ตั้งแต่มือถือยัน workstation

Google ปล่อย Gemma 4 ออกมาเมื่อต้นเดือนเมษายน 2026 ภายใต้ลิขสิทธิ์เปิด Apache 2.0 (ใช้เชิงพาณิชย์ได้ ดัดแปลงได้อิสระ) โดยมีจุดยืนชัดเจนตั้งแต่วันแรกว่านี่คือโมเดลที่ออกแบบมาเพื่อ “รันบนเครื่องของเราเอง” (local-first / on-device) ไม่ใช่โมเดลปิดที่ต้องเรียกผ่านคลาวด์ เป็นการตอกย้ำกระแสที่กำลังมาแรงในปี 2026 ว่า AI ที่ดีไม่จำเป็นต้องอยู่บนเซิร์ฟเวอร์ของใครอีกต่อไป

สิ่งที่ทำให้ Gemma 4 น่าสนใจไม่ใช่แค่ “เปิดให้ใช้ฟรี” แต่คือการที่มันมาเป็นครอบครัวหลายขนาด ครอบคลุมตั้งแต่โทรศัพท์มือถือไปจนถึงworkstation — เลือกขนาดที่พอดีกับเครื่องที่เรามีได้เลย

สี่ขนาด สำหรับสี่ระดับฮาร์ดแวร์

Gemma 4 ออกมาเป็น 4 รุ่น โดยแบ่งตามกำลังเครื่องที่จะเอาไปรัน:

• E2B (effective 2B parameters) — เล็กที่สุด ออกแบบมาเพื่อสมาร์ตโฟน โดยเฉพาะ
• E4B (effective 4B) — สำหรับอุปกรณ์ edge เช่น Raspberry Pi หรือ NVIDIA Jetson
• 26B MoE — เป็นแบบ Mixture of Experts (สถาปัตยกรรมที่ “เปิด” ใช้แค่บางส่วนของโมเดลในแต่ละครั้ง) มีพารามิเตอร์รวม 26B แต่ตอนประมวลผลจริงเรียกใช้แค่ราว 3.8B ทำให้รันบน GPU ระดับผู้ใช้ทั่วไปได้
• 31B Dense — รุ่นใหญ่สุด สำหรับworkstation/เครื่องแรง

คำว่า “effective” (E) ในรุ่นเล็กหมายถึงโมเดลถูกออกแบบให้ใช้หน่วยความจำน้อยกว่าจำนวนพารามิเตอร์จริง เพื่อให้ยัดลงเครื่องเล็กได้สบายขึ้น

จุดที่ Google ภูมิใจ: รุ่น 31B ขึ้นเป็นโมเดลเปิด อันดับ 3 ของโลก บนกระดาน Arena AI ส่วนรุ่น 26B อยู่ อันดับ 6 — และเอาชนะโมเดลที่ใหญ่กว่าตัวเองถึง 20 เท่าได้

รองรับข้อความ ภาพ เสียง และ 140+ ภาษา

Gemma 4 เป็นโมเดลมัลติโมดัล (multimodal — รับข้อมูลได้หลายรูปแบบ) คือเข้าใจทั้งข้อความและภาพ (รวมถึงวิดีโอที่ความละเอียดต่าง ๆ) ส่วนการรับเสียงโดยตรงมีเฉพาะในรุ่นเล็ก E2B และ E4B

ด้านภาษา Google ระบุว่าเทรนมาบน มากกว่า 140 ภาษา ตั้งแต่ต้น ซึ่งสำคัญมากสำหรับผู้ใช้ไทย เพราะหมายความว่าโมเดลเข้าใจและตอบภาษาไทยได้ในระดับที่ใช้งานได้จริง ไม่ใช่ภาษาอังกฤษเป็นหลักแล้วแถมภาษาอื่นมาแบบงู ๆ ปลา ๆ

เรื่อง context window (ความยาวข้อความที่โมเดลรับเข้าไปประมวลผลได้ในครั้งเดียว) รุ่น edge ตัวเล็กอยู่ที่ 128K โทเคน ส่วนรุ่นใหญ่ขึ้นไปถึง 256K โทเคน — มากพอจะป้อนเอกสารยาว ๆ หรือโค้ดทั้งโปรเจกต์เข้าไปได้

ติดตั้งในเครื่องด้วยคำสั่งเดียว

หัวใจของความเป็น local-first คือ “เริ่มใช้ได้ง่าย” Gemma 4 ดาวน์โหลดได้จาก Hugging Face, Kaggle และ Ollama โดยตรง ถ้าใช้ Ollama ก็สั่งบรรทัดเดียว:

ollama run gemma4

นอกจากนั้นยังรันผ่าน LM Studio, llama.cpp และ vLLM ได้ (เครื่องมือรัน LLM ในเครื่องยอดนิยมที่เราเคยเล่าถึงไปแล้ว) รุ่นที่ผ่าน quantization (การบีบอัดโมเดลให้กินหน่วยความจำน้อยลง) สามารถรันบน GPU ของผู้ใช้ทั่วไปได้ Google เน้นว่าออกแบบมาเพื่อ “ประสิทธิภาพด้านการประมวลผลและหน่วยความจำสูงสุด” บนสมาร์ตโฟน, Raspberry Pi และ NVIDIA Jetson โดยทำงานแบบออฟไลน์ด้วยความหน่วงที่ “เกือบเป็นศูนย์”

ไม่ใช่แค่ตอบคำถาม แต่เป็น “agent” ที่ลงมือทำ

มุมที่ Google ผลักหนักเป็นพิเศษคือ agentic AI — AI ที่ไม่ได้แค่ตอบ แต่เรียกใช้เครื่องมือและลงมือทำงานเป็นขั้นตอนได้เอง

Gemma 4 ถูกเทรนมาบนงานพัฒนา Android และออกแบบโดยคิดถึง “Agent Mode” ตั้งแต่ต้น รองรับการเรียกใช้เครื่องมือ (tool use) สำหรับงานอย่างการรีแฟกเตอร์โค้ดเก่า, สร้างฟีเจอร์หรือทั้งแอปขึ้นมาใหม่ และไล่แก้บั๊กแบบวนซ้ำทีละขั้น โดยทำได้ในเครื่องนักพัฒนาเองทั้งหมด — โมเดลและการประมวลผลอยู่ในเครื่อง ไม่ต้องส่งซอร์สโค้ดออกไปข้างนอก

อีกเรื่องที่น่าสนใจคือ Gemma 4 ยังเป็นฐานให้กับ Gemini Nano 4 ซึ่งเป็นโมเดลฝังในระบบ Android โดย Google เคลมว่าเร็วกว่ารุ่นก่อนถึง 4 เท่า และใช้แบตเตอรี่น้อยลงถึง 60% — ส่วนรุ่นก่อนหน้า (Gemini Nano) ปัจจุบันอยู่บนอุปกรณ์แล้วกว่า 140 ล้านเครื่อง สะท้อนว่า on-device AI ไม่ใช่ของทดลองอีกต่อไป แต่ลงไปอยู่ในมือผู้ใช้จริงระดับร้อยล้าน

สำหรับนักพัฒนา Android ทาง Google เปิดทางเข้าถึง Gemma 4 ไว้หลายช่อง — ใช้ตอนเขียนโค้ดผ่าน Gemma 4 ใน Android Studio พร้อม Agent Mode, ฝังลงแอปบนเครื่องผ่าน ML Kit GenAI Prompt API บนอุปกรณ์ที่รองรับ AICore และจะมีข้อมูลประสิทธิภาพให้เทียบใน Android Bench ในอนาคต ทั้งหมดนี้สื่อสารชัดว่า Google ตั้งใจให้ Gemma 4 เป็นเครื่องมือหลักของนักพัฒนา ไม่ใช่ของเล่นสาธิต

แล้วควรเริ่มที่รุ่นไหน

เพราะมีให้เลือกตั้งสี่ขนาด คำถามแรกของคนส่วนใหญ่คือ “แล้วเครื่องของเราควรลงรุ่นไหน” ลองเทียบคร่าว ๆ ตามฮาร์ดแวร์ที่มี:

• มือถือ / แท็บเล็ต → E2B เป็นจุดเริ่มที่เหมาะสุด เล็ก เบา รับเสียงได้ ไม่กินแบต
• Raspberry Pi, Jetson หรือ mini PC → E4B ได้สมดุลระหว่างความสามารถกับการกินทรัพยากรบนอุปกรณ์ edge
• โน้ตบุ๊ก/พีซีที่มี GPU ระดับผู้ใช้ทั่วไป (เช่น การ์ด 12–16GB) → 26B MoE คุ้มที่สุด เพราะเรียกใช้พารามิเตอร์จริงแค่ราว 3.8B ต่อครั้ง จึงเร็วและกินหน่วยความจำพอดีเครื่อง แต่ได้คุณภาพระดับโมเดลใหญ่
• workstation หรือเครื่องที่มี GPU แรง → 31B Dense รุ่นเรือธง สำหรับงานที่ต้องการคุณภาพสูงสุด

เคล็ดลับสำหรับมือใหม่: เริ่มจากรุ่นที่ “เล็กกว่าที่คิด” ก่อน ลองใช้งานจริงดูว่าคุณภาพพอไหม แล้วค่อยขยับขึ้นถ้ายังไม่พอ — เพราะรุ่นเล็กที่รันลื่นมักให้ประสบการณ์ดีกว่ารุ่นใหญ่ที่รันฝืดเครื่อง

ข้อได้เปรียบของการเป็นครอบครัวหลายขนาดที่ใช้สถาปัตยกรรมเดียวกัน คือเราพัฒนาบนรุ่นเล็กในเครื่องตัวเองได้ แล้วสลับไปรุ่นใหญ่ตอนขึ้น production โดยแทบไม่ต้องแก้โค้ด

ทำไม “เปิด” ถึงสำคัญ

จุดที่ทำให้ Gemma 4 ต่างจากการเรียกใช้โมเดลปิดผ่าน API ไม่ได้อยู่ที่ราคา แต่อยู่ที่ “การครอบครอง” ลิขสิทธิ์ Apache 2.0 หมายความว่าเราโหลด weights (ค่าน้ำหนักของโมเดลที่เป็นหัวใจของความสามารถ) มาเก็บไว้ในเครื่องได้ ดัดแปลง/fine-tune กับข้อมูลของเราเองได้ และนำไปใช้เชิงพาณิชย์ได้โดยไม่ต้องขออนุญาตหรือจ่ายต่อการเรียกใช้

นั่นแปลว่าโมเดลจะไม่ “หายไป” หรือถูกปรับพฤติกรรมกลางทางเหมือนบริการคลาวด์ที่อาจอัปเดตหรือปิดเวอร์ชันเก่าเมื่อไหร่ก็ได้ เมื่อโหลดมาแล้วมันเป็นของเรา รันได้ตลอดไป แม้ผู้ผลิตจะเลิกซัพพอร์ต — เป็นความมั่นคงที่ธุรกิจซึ่งต้องวางระบบระยะยาวให้ความสำคัญมากขึ้นเรื่อย ๆ

ทำไมเรื่องนี้ถึงสำคัญกับผู้อ่านไทย

Gemma 4 ตอกย้ำสิ่งที่เปลี่ยนไปในปี 2026: เส้นแบ่งระหว่าง “โมเดลเก่งต้องอยู่บนคลาวด์” กับ “โมเดลรันในเครื่องคือของด้อยกว่า” กำลังจางลงเรื่อย ๆ วันนี้เราหยิบโมเดลระดับติดอันดับโลกมาวางบนเครื่องตัวเองได้ฟรี ภายใต้ลิขสิทธิ์ที่ใช้เชิงพาณิชย์ได้

สำหรับนักพัฒนาและธุรกิจไทย นี่หมายถึงทางเลือกที่จับต้องได้จริง — สร้างผู้ช่วย AI ที่เข้าใจภาษาไทย ทำงานบนเครื่องของเรา โดยข้อมูลลูกค้าและเอกสารภายในไม่ต้องวิ่งออกไปไหน และไม่ต้องผูกค่าใช้จ่ายรายเดือนไว้กับ API ของเจ้าใหญ่ ส่วนผู้ใช้ทั่วไปก็จะได้เห็นฟีเจอร์ AI ที่ทำงานได้แม้ไม่มีเน็ต เร็วขึ้น และเป็นส่วนตัวมากขึ้นบนมือถือเครื่องเดิม

คำถามของยุคนี้จึงไม่ใช่ “AI เก่งพอจะอยู่บนเครื่องเราหรือยัง” — เพราะคำตอบคือเก่งแล้ว — แต่เป็น “เราจะเอามันมาใช้ทำอะไรดี”