Gemma 4 模型登陆 Amazon Bedrock：三款开源变体支持推理、函数调用与多模态
Google DeepMind 的 Gemma 4 系列模型现已在 Amazon Bedrock 上可用，包括 31B 密集、26B-A4B MoE 和 E2B 三种指令微调变体，支持内置推理、原生函数调用和图文多模态输入。本文介绍模型能力、架构亮点及在 Bedrock 上的使用方式。
一句话看懂
Google DeepMind 的 Gemma 4 系列开源模型上线 Amazon Bedrock，提供三种变体，主打每参数智能效率，支持推理、函数调用和多模态输入。
详细发生了什么
Amazon Bedrock 宣布上线 Gemma 4 系列模型，由 Google DeepMind 开发，采用 Apache 2.0 许可证。该系列包含三个指令微调变体：Gemma 4 31B（密集架构，307 亿参数）、Gemma 4 26B-A4B（MoE 架构，252 亿总参数，每 token 仅激活 38 亿）、Gemma 4 E2B（使用 Per-Layer Embeddings，有效参数 23 亿）。所有变体均支持内置推理模式、原生函数调用以及文本和图像多模态输入。
独立基准测试显示，Gemma 4 31B 在 Artificial Analysis 的智能指数中得分为 39，远高于 4B-40B 开源模型类的中位数 15。模型通过 Bedrock 的 bedrock-mantle 端点提供，兼容 OpenAI SDK，支持标准、优先和灵活三种服务层级。用户无需管理基础设施，推理完全在 AWS 上运行，提示和完成内容不会用于训练模型。
中文圈视角
对于中文开发者，Gemma 4 的 Apache 2.0 许可证意味着可自由商用和修改，但需注意模型权重托管在 AWS 上，数据出境和合规问题需自行评估。国内用户可直接通过 AWS 中国区域（如北京、宁夏）的 Bedrock 服务访问，无需额外梯子，但需拥有 AWS 账户并配置 IAM 权限。
与国产模型（如 DeepSeek-V2、Qwen2.5）相比，Gemma 4 的优势在于 Google DeepMind 的顶尖研究背书和原生函数调用能力，适合构建 agent 工作流。但国产模型在中文理解、长上下文（如 1M token）和成本上可能更具优势。Gemma 4 的 MoE 变体（26B-A4B）在推理成本上接近 4B 模型，对预算敏感的中小团队有吸引力。
一个中文圈尚未广泛讨论的点：Gemma 4 的推理模式返回的思考过程需在后续对话中剥离，否则会降低模型性能——这在实际 agent 应用中容易踩坑。
几条值得记住的细节
- Gemma 4 31B 和 26B-A4B 支持 256K token 上下文窗口，E2B 为 128K token。
- 所有变体均支持超过 35 种语言，预训练数据覆盖 140+ 语言。
- 通过 bedrock-mantle 端点访问，兼容 OpenAI Python 和 TypeScript SDK，只需修改 base URL 和 model ID。
- 服务层级包括 Standard（标准）、Priority（优先）和 Flex（灵活），适合不同延迟和成本需求。
- 模型权重开放，用户可自行评估、基准测试和微调。
一句话总结
Gemma 4 在 Bedrock 上提供灵活的开源模型选择，尤其适合需要内置推理和函数调用的 agent 应用，但中文场景需对比国产模型性价比。