Beobachtetes Signal · 17. Mai 2026 · Benchmarking / Technical Analysis · Quelle: DEV Community · Relevanz: 4/5 · Sentiment: Neutral
Praxistest: Googles Gemma 4 E4B beim nativen Function Calling
Ein Entwickler hat Googles Gemma 4 E4B anhand eines standardisierten Benchmarks auf dessen Fähigkeit zum nativen Function Calling überprüft. Dabei wurden zwei Bereiche untersucht: Code-Qualität anhand von zehn Aufgaben und Agent-Readiness über sechs Tool-Calling-Szenarien. Das Modell erzielte bei der Code-Qualität 64,2 Prozent und zeigte Stärken bei strukturiertem Text. Bei der Agent-Readiness reichte es jedoch nur für 33,3 Prozent, da es lediglich zwei von sechs Szenarien erfolgreich bewältigte. Zwar gibt das Modell Tool-Call-Strukturen verlässlicher aus als viele Wettbewerber, scheitert jedoch bei Multi-Turn-Tool-Chaining, der Durchsetzung von erforderlichem tool_choice sowie diversen Systemaufgaben. Gemma 4 E4B läuft lokal, besitzt effektive 4,5 Milliarden Parameter, erreicht auf einem Mac Mini M4 rund 50 Token pro Sekunde, belegt etwa 5 GB Speicherplatz und ist unter der Apache-2.0-Lizenz verfügbar. Das Fazit lautet, dass die native Unterstützung zwar vorhanden, für robuste agentische Workflows aber noch nicht produktionsreif ist.
Der Artikel bewertet eine technische Kernfunktion eines großen Anbieters und liefert wertvolle Einblicke für Entwickler bezüglich der lokalen Bereitstellung von agentischen LLMs und der Integration von Tools für die Produktplanung.
Marktsignale zu Google in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Google hat Gemma 4 E4B mit nativer Unterstützung für Function Calling veröffentlicht.
- Das Modell verfügt über 4,5 Milliarden effektive Parameter und nutzt die Apache-2.0-Lizenz.
- Auf einem Mac Mini M4 wurden rund 50 Token pro Sekunde und etwa 5 GB Speicherbedarf auf der Festplatte gemessen.
- Benchmark-Ergebnisse: 64,2 Prozent bei der Code-Qualität und 33,3 Prozent (2 von 6 Szenarien) bei der Agent-Readiness.
- Gemma 4 E4B gehört zu den wenigen lokalen Modellen, die Tool-Call-Outputs verlässlich generieren, schwächelt jedoch bei Multi-Turn-Chaining und der Durchsetzung von Pflicht-Tools.
Verknüpfte Unternehmen
2 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Google Gemma 4: Apache-2.0-Lizenz und starke Benchmarks für Enterprise-Einsatz
Google hat am 2. April 2026 Gemma 4 veröffentlicht, eine Open-Weight-Modellfamilie der vierten Generation unter der Standard-Apache-2.0-Lizenz, die explizit für die kommerzielle Nutzung freigegeben ist. Gleichzeitig wurden vier multimodale Varianten (2B, 4B, 27B MoE, 31B Dense) eingeführt, die Bild- und Videoverarbeitung, native Audiofunktionen bei kleineren Modellen, Unterstützung für über 140 Sprachen sowie ein Kontextfenster von bis zu 256K Token bieten. Die Benchmarks für Gemma 4 31B zeigen eine wettbewerbsfähige Leistung bei Reasoning und Mathematik (GPQA Diamond 84.3%, LiveCodeBench v6 80%, MMLU Pro 85.2%, AIME 2026 89.2%). Die Gewichte und Runtimes sind über Google AI Studio, Hugging Face, Ollama, GGUF-quantisierte Builds für llama.cpp/LM Studio sowie NVIDIA-optimierte Pakete verfügbar. Die saubere Apache-2.0-Lizenz beseitigt Unklarheiten bei der kommerziellen Nutzung und prädestiniert Gemma 4 für den sofortigen produktiven Einsatz im On-Device-, datenschutzsensiblen und Self-Hosted-Bereich, während gleichzeitig Hardware- und Kontextfenster-Grenzen im Vergleich zu einigen Mitbewerbern zu beachten sind.
Google DeepMind veröffentlicht Gemma 4 mit massivem Agentic-Sprung
Google DeepMind hat Gemma 4 vorgestellt, was einen Paradigmenwechsel für Open-Weight-Modelle und deren agentische Tool-Nutzung markiert. Das dichte 31B-Modell erreicht 86,4 Prozent im τ2-bench Retail für agentische Tool-Nutzung im Vergleich zu 6,6 Prozent bei Gemma 3 27B, während eine 26B Mixture-of-Experts-Variante (MoE) 85.5 Prozent erzielt und dabei nur rund 3,8 Milliarden Parameter pro Forward Pass aktiviert. Gemma 4 führt natives Function Calling über Steuerungstoken, konfigurierbares Long-Form Reasoning sowie native System-Prompt-Unterstützung ein, wird unter der Apache 2.0-Lizenz bereitgestellt und ist über gängige Toolings wie Hugging Face, vLLM und Ollama verfügbar. Diese Veröffentlichung macht lokale, datenschutzkonforme und kosteneffiziente agentische Deployments deutlich praktikabler und fördert die breite Entwickleradoption.
Gemma 4 ermöglicht agentische KI auf Consumer Devices
Diese Zusammenfassung der The Agent Factory-Episode mit Omar Sanseviero von Google DeepMind beleuchtet die Veröffentlichung und die Fähigkeiten von Gemma 4, einer Open-Model-Familie, die für die lokale Bereitstellung auf Geräten optimiert ist. Seit dem Start im vergangenen Monat verzeichnete Gemma 4 über 50 Millionen Downloads. Die Modellfamilie umfasst kleine, für Edge-Anwendungen optimierte Varianten (E2B & E4B), ein dichtes 31B-Modell sowie ein 26B Mixture-of-Experts-Modell (MoE). Google DeepMind hat Gemma 4 unter eine Apache 2-Lizenz gestellt, um kommerzielle Nutzung und lokales Fine-Tuning in regulierten oder luftisolierten Umgebungen zu ermöglichen. Demonstrationen zeigten Offline-Agenten-Workflows (lokaler Food-Tour-Agent, Android Skill Selection), autonome Python-Ausführungen einschließlich einer Physik-Simulation sowie Architekturentscheidungen wie per-layer Embeddings und Unterstützung für Vision-Modelle mit variablen Seitenverhältnissen.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.