Google DeepMind lanza Gemma 4, una familia de modelos de IA de código abierto bajo la licencia Apache 2.0, facilitando su uso comercial. La serie incluye modelos 'workstation' (31B y 26B MoE) y 'edge' (E2B, E4B) con capacidades multimodales nativas para texto, imagen y audio. Los benchmarks muestran un salto de rendimiento significativo respecto a Gemma 3, estableciendo un nuevo estándar en eficiencia y flexibilidad para la comunidad de IA.
Google DeepMind ha lanzado Gemma 4, una declaración estratégica que redefine el juego de los modelos de lenguaje grandes (LLM) de código abierto, eliminando barreras y sentando un nuevo precedente. Esta nueva familia de modelos, distribuida bajo la permisiva licencia Apache 2.0, no es solo una mejora tecnológica, sino un movimiento audaz que contrasta directamente con la creciente tendencia de otros actores, como los laboratorios de IA chinos con sus modelos Qwen3.5 Omni y Qwen 3.6 Plus, a restringir el acceso abierto. Google, con Gemma 4, no solo busca innovar, sino también liderar la democratización de la inteligencia artificial.
La adopción de la licencia Apache 2.0 es el pilar de esta estrategia. Donde las licencias personalizadas de Gemma 3 generaban incertidumbre y fricción legal para las empresas, Gemma 4 ofrece un marco estándar y sin ambigüedades. Esta decisión estratégica facilita la integración y el despliegue comercial, posicionando a Google en una competencia directa con gigantes de peso abierto como Mistral y Arcee. Al basar su arquitectura en la investigación de su modelo comercial Gemini 3, Google no solo garantiza un rendimiento de vanguardia, sino que también subraya su compromiso con un ecosistema de desarrolladores y empresas que buscan soluciones robustas y legalmente claras.
La familia Gemma 4 se despliega en cuatro modelos distintos, meticulosamente diseñados para cubrir un espectro amplio de necesidades. La serie 'workstation' presenta un modelo denso de 31 mil millones de parámetros y un innovador modelo Mixture-of-Experts (MoE) de 26 mil millones de parámetros (26B A4B), ambos con soporte nativo para texto e imagen y una ventana de contexto expansiva de 256K tokens. Para el ámbito de los dispositivos, la serie 'edge' ofrece los modelos E2B y E4B, optimizados para móviles, embebidos y laptops, con soporte para texto, imagen y audio, y ventanas de contexto de 128K tokens. El modelo MoE 26B A4B es una proeza de ingeniería, logrando una inteligencia comparable a un modelo de 26B con costos de cómputo similares a uno de 4B, gracias a la activación selectiva de solo ocho de sus 128 expertos por token, una optimización crucial para la inferencia en GPUs de consumo.
La verdadera revolución de Gemma 4 reside en su capacidad multimodal nativa, integrada desde la arquitectura base, no como un mero añadido. A diferencia de sus predecesores, Gemma 4 procesa entradas de imagen con relación de aspecto variable y presupuestos de tokens configurables, lo que se traduce en una comprensión drásticamente mejorada de documentos complejos y un reconocimiento óptico de caracteres (OCR) superior. Los modelos 'edge' elevan aún más la apuesta con procesamiento de audio nativo, incluyendo reconocimiento automático de voz (ASR) y traducción de voz a texto, todo ello ejecutándose en el propio dispositivo. Además, la función de llamada a herramientas (function calling) está intrínsecamente optimizada para flujos de trabajo de agentes multi-turno, simplificando la ingeniería de prompts y potenciando la interacción con sistemas externos, abriendo un abanico de posibilidades para aplicaciones inteligentes.
Los benchmarks de rendimiento no dejan lugar a dudas: Gemma 4 representa un salto generacional sustancial. El modelo denso de 31B alcanza un impresionante 89.2% en AIME 2026, un 80.0% en LiveCodeBench v6 y un ELO de Codeforces de 2,150, cifras que empequeñecen el 20.8% en AIME y 29.1% en LiveCodeBench de Gemma 3 27B. El modelo MoE, por su parte, demuestra un rendimiento igualmente competitivo con un 88.3% en AIME 2026 y un 77.1% en LiveCodeBench. Con Gemma 4, Google no solo democratiza el acceso a modelos de IA de alto rendimiento, sino que establece un nuevo estándar en flexibilidad, eficiencia y capacidades multimodales para la comunidad de código abierto, marcando un hito que resonará en el futuro de la inteligencia artificial.
Compartir
En medio de la final del ESL One Birmingham 2026, la escena competitiva de Dota 2 se vio sacudida por un parche masivo de Valve justo antes de los playoffs. Álvaro 'Avo+' Sánchez Velasco, de ESL, comenta el 'caos' estratégico resultante y reflexiona sobre si Deadlock, el próximo juego de Valve, representa una amenaza o una nueva 'puerta de entrada' para el ecosistema de Dota 2.
Valve ha lanzado el parche 7.41 para Dota 2 justo durante el torneo ESL One Birmingham 2026. Esta masiva actualización elimina el sistema de Facetas, renueva las habilidades innatas de los héroes, y añade nuevos hechizos, objetos, creeps de asedio adicionales y cambios en el mapa, forzando a los jugadores a adaptarse a un metajuego completamente nuevo.
Nuevos detalles de la disputa legal entre Elon Musk y Sam Altman revelan los apoyos clave en los inicios de OpenAI. Musk consiguió poder de computación de Microsoft con descuento tras una llamada a Satya Nadella, mientras que Gabe Newell, de Valve, donó más de 20 millones de dólares y actuó como asesor informal, sentando las bases para el éxito de la IA en Dota 2.