Google把Gemma 4算力成本砍了6倍，開發者卻更怕賬單了

去年Gemma 3發布時，作者飛去巴黎看了現場演示。回來自己跑測試，發現演示沒騙人——這是第一個真正追上商業大模型的開源模型。然后他干了一件蠢事：周末在Vertex AI上部署測試，忘了關，回來賬單教他重新做人。

這次Gemma 4發布，作者選了Cloud Run。這玩意兒不用的時候自動縮到零，忘了關？隨便你，一分錢不收。

26B參數的"障眼法"

Gemma 4這次發了四個型號，不是四個版本，是四個完全不同的模型。兩個小的（E2B、E4B），兩個大的（E9B、E26B）。

26B那個值得細說。它用了MoE（混合專家）架構：硬盤里存著260億參數，推理時每個token只激活40億。像醫院會診，不是全院醫生都跑來，只叫相關科室。能力接近26B模型，算力成本跟4B差不多。

作者測了推理開銷。同樣任務，全量26B和MoE 26B的差距，體現在賬單上是倍數關系。

多模態這次也補上了。圖片、音頻、視頻都能進，出的是文字。小模型帶音視頻理解，大模型搞長上下文圖像。但對做Agent的人來說，真正值錢的是后面兩個：推理能力和函數調用。

Agent管道的兩塊拼圖

推理能力指模型先拆解問題、一步步想，再出答案。以前這種活只能找GPT-4級別的模型，現在Gemma 4能干了，成本差一個數量級。函數調用改進更實在——模型能穩定返回結構化工具調用，這是Agent編排多步驟的前提。

這兩個能力湊一塊，Gemma 4才能塞進自動化流程里當齒輪用，而不是當個聊天框。

作者把部署拆成兩部分：先講Gemma 4是什么、為什么自己跑模型能改變你能做什么、技術棧怎么搭、他自己的性能數據。第二部分是純實操：前置條件、VPC配置、模型上傳、四個尺寸的部署命令、清理步驟。

Cloud Run的"自動關機"邏輯

重點在Cloud Run的"縮放到零"。傳統部署模型，實例跑著你就在燒錢，不管有沒有請求。Cloud Run沒流量時實例數降到零，重新有請求時冷啟動。對推理服務來說，冷啟動時間決定了這方案能不能用。

作者測了。Gemma 4的冷啟動在可接受范圍內——具體數字他沒在導讀里放，但暗示了"比你想的快"。

四個模型的部署命令略有不同，主要是內存和CPU配置。E2B最小，E26B需要顯存規劃。VPC setup是為了模型文件的安全傳輸，不上公網。

清理步驟他寫得特別細。顯然去年的賬單創傷還沒好。

文章最后沒給總結，停在一個問題上：當你的模型能自動關機、按需喚醒，你會把它用在什么以前不敢想的地方？