概要
Gemma 4 E2B は Google DeepMind の Gemma 4 ファミリーで、モバイル向けに最適化された モデル。2026 年 4 月に公開された。Per-Layer Embedding アーキテクチャによる 2.3B の有効パラメータと 1.5GB の量子化サイズを実現し、設計段階からコンシューマー向けスマートフォンでの動作を前提としている —— クラウド呼び出し不要、ストリーミング不要、プライバシーへの妥協ゼロ。Cove は 4 つの全アプリ（Travel / Voice / Photo / Health）で Gemma 4 を採用しており、現時点で実消費者シナリオへ最も広く展開されている端末 LLM の一つだ。
パラメータ数についての注意：公式表記は「E2B = 2.3B 有効パラメータ」で、各前向き計算で実際にアクティブとなる重みを指す。PLE（Per-Layer Embedding）ルックアップテーブルにより総重み数は約 5.1B になるが、これらのテーブルは選択的に参照されるだけで全計算に参加しない。スマートフォンのストレージに実際に載るのは 1.5GB 量子化サイズの方。
主要スペック
（上記スペックカードを参照。構造化データから自動描画。）
動作デバイス
Gemma 4 E2B はフラッグシップ Android（Pixel 8 以降、Galaxy S24+、OnePlus 12+）と iPhone 15 Pro / Pro Max / 16 シリーズで快適に動作する。技術的には 6GB RAM でもインストール可能だが、8GB 未満ではトークン生成速度が顕著に低下する。iPad M シリーズ、近年の MacBook Air / Pro でも対応し、メモリ帯域の余裕を活かしてより快適な体験が得られる。
強みと制約
強み。 一般テキストタスクではサイズ対品質比でクラス最高水準、テキスト+ビジョン+音声のマルチモーダルをネイティブサポート、Apache 2.0 の友好的ライセンス、四半期ごとに更新される Google の手厚いメンテナンス。より大きい Gemini ファミリーからの蒸留により、パラメータ数以上の知識幅を獲得している。
制約。 数学・推論ベンチマークでは Phi-4-multimodal にわずかに及ばない。128K コンテキストは Llama 3.2 と同水準となり長文処理のボトルネックではなくなったが、多言語品質には偏りがある。上位 20 言語は強いが、ロングテール言語は弱め。
どんな場面で選ぶか / 選ばないか
Gemma 4 E2B を選ぶ場面： 汎用バランス重視の端末モデルが欲しい、テキスト+ビジョン+音声を 1 つのランタイムで扱いたい、RAM 4GB 以上の端末をターゲットにしている、ライセンスのシンプルさが重要。
選ばない場面： 推論が重い処理を多用する（Phi-4-multimodal や DeepSeek-R1 Distill が良い）、100 万トークン級コンテキストが必要（依然クラウド独占領域）、Apple エコシステム専用かつ純正ツール優先（Apple Foundation Models が良い）。
類似モデルとの比較
最も近い 2 つの兄弟：Microsoft Phi-4-multimodal（パラメータ規模が大きく推論が鋭い、MIT ライセンス、同じくテキスト+ビジョン+音声対応）と Qwen 3.5 2B（中国語・多言語に強い、規模が同等、262K コンテキスト）。完全な横並び比較は leaderboard を参照。
実際の Cove アプリで
Cove Travel は Gemma 4 でカメラベースのメニュー翻訳とオフライン音声翻訳を実現し、Cove Voice は AI による音声メモの要約に活用している。両アプリは、Gemma 4 E2B が研究デモではなく、コンシューマー向けプロダクションに耐える本物のモデルであることを示している。