Arrivano i modelli Gemma 4 QAT di Google: l'IA di fascia alta ora funziona su smartphone e PC
Google ha pubblicato i checkpoint QAT (Quantization Aware Training) ottimizzati per l'intera famiglia Gemma 4, inclusi i nuovi modelli da 12B e le varianti E2B, E4B, 26B A4B e 31B [1][4][5]. Il QAT simula la quantizzazione durante l'addestramento, permettendo ai modelli compressi a 4 bit di mantenere prestazioni qua...
Pubblicato daModificato con DeepSeek-V4-ProImmagini generate con GPT Image 1.5
Google ha pubblicato i checkpoint QAT (Quantization Aware Training) ottimizzati per l'intera famiglia Gemma 4, inclusi i nuovi modelli da 12B e le varianti E2B, E4B, 26B A4B e 31B [1][4][5].
Il QAT simula la quantizzazione durante l'addestramento, permettendo ai modelli compressi a 4 bit di mantenere prestazioni quasi identiche all'originale bfloat16 [2][5].
La memoria richiesta cala di circa il 72%: Gemma 4 E2B occupa solo 1 GB in mobile, mentre il modello da 31B scende a circa 18 20 GB, alla portata di una RTX 3090 [3][5].
Sono disponibili formati come GGUF Q4 0 per llama.cpp, compressed tensors per vLLM e un nuovo formato mobile ottimizzato specificamente per smartphone e dispositivi edge [1][15].
What are the key details of Google's June 4 release of Gemma 4 QAT models, including their quantization approach, supported model sizes andGoogle's QAT checkpoints compress Gemma 4 models by roughly 72%, enabling deployment on hardware from smartphones to consumer GPUs.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What are the key details of Google's June 4 release of Gemma 4 QAT models, including their quantization approach, supported model sizes and. Article summary: Google provides official Quantization-Aware Training (QAT) checkpoints for Gemma 4, and the Gemma 4 lineup includes E2B, E4B, 12B, 26B A4B, and 31B sizes [1][4][5]. Here are the key details.. Topic tags: general, documentation, general web, user generated. Reference image context from search candidates: Reference image 1: visual subject "# What Is Google Gemma 4? Google Gemma 4 is the most capable open model family from DeepMind yet, shipping four sizes under Apache 2.0 with multimodal input, native reasoning, and" source context "What Is Google Gemma 4? Architecture, Benchmarks, and Why It ..." Reference image 2: visual subject "# What Is Google Gemma 4? Google
openai.com
Dimentica i server remoti e le bollette salate per l’API. La nuova ondata di modelli Gemma 4 QAT di Google, rilasciata il 4 giugno 2026, sta per portare l'intelligenza artificiale di fascia alta direttamente sul tuo PC di casa o persino nel tuo smartphone. E la chiave di tutto sta in una tecnica chiamata addestramento consapevole della quantizzazione (QAT) .
Ma cosa significa tutto questo per te? In pratica, puoi eseguire modelli linguistici avanzati, capaci di comprendere testo, immagini e audio, senza bisogno di un hardware da migliaia di euro, il tutto con una qualità che fino a ieri era impensabile per modelli così compressi .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Arrivano i modelli Gemma 4 QAT di Google: l'IA di fascia alta ora funziona su smartphone e PC"?
Google ha pubblicato i checkpoint QAT (Quantization Aware Training) ottimizzati per l'intera famiglia Gemma 4, inclusi i nuovi modelli da 12B e le varianti E2B, E4B, 26B A4B e 31B [1][4][5].
What are the key points to validate first?
Google ha pubblicato i checkpoint QAT (Quantization Aware Training) ottimizzati per l'intera famiglia Gemma 4, inclusi i nuovi modelli da 12B e le varianti E2B, E4B, 26B A4B e 31B [1][4][5]. Il QAT simula la quantizzazione durante l'addestramento, permettendo ai modelli compressi a 4 bit di mantenere prestazioni quasi identiche all'originale bfloat16 [2][5].
What should I do next in practice?
La memoria richiesta cala di circa il 72%: Gemma 4 E2B occupa solo 1 GB in mobile, mentre il modello da 31B scende a circa 18 20 GB, alla portata di una RTX 3090 [3][5].
Arrivano i modelli Gemma 4 QAT di Google: l'IA di fascia alta ora funziona su smartphone e PC
Google ha pubblicato i checkpoint QAT (Quantization Aware Training) ottimizzati per l'intera famiglia Gemma 4, inclusi i nuovi modelli da 12B e le varianti E2B, E4B, 26B A4B e 31B [1][4][5]. Il QAT simula la quantizzazione durante l'addestramento, permettendo ai modelli compressi a 4 bit di mantenere prestazioni qua...
Pubblicato daModificato con DeepSeek-V4-ProImmagini generate con GPT Image 1.5
Google ha pubblicato i checkpoint QAT (Quantization Aware Training) ottimizzati per l'intera famiglia Gemma 4, inclusi i nuovi modelli da 12B e le varianti E2B, E4B, 26B A4B e 31B [1][4][5].
Il QAT simula la quantizzazione durante l'addestramento, permettendo ai modelli compressi a 4 bit di mantenere prestazioni quasi identiche all'originale bfloat16 [2][5].
La memoria richiesta cala di circa il 72%: Gemma 4 E2B occupa solo 1 GB in mobile, mentre il modello da 31B scende a circa 18 20 GB, alla portata di una RTX 3090 [3][5].
Sono disponibili formati come GGUF Q4 0 per llama.cpp, compressed tensors per vLLM e un nuovo formato mobile ottimizzato specificamente per smartphone e dispositivi edge [1][15].
What are the key details of Google's June 4 release of Gemma 4 QAT models, including their quantization approach, supported model sizes andGoogle's QAT checkpoints compress Gemma 4 models by roughly 72%, enabling deployment on hardware from smartphones to consumer GPUs.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What are the key details of Google's June 4 release of Gemma 4 QAT models, including their quantization approach, supported model sizes and. Article summary: Google provides official Quantization-Aware Training (QAT) checkpoints for Gemma 4, and the Gemma 4 lineup includes E2B, E4B, 12B, 26B A4B, and 31B sizes [1][4][5]. Here are the key details.. Topic tags: general, documentation, general web, user generated. Reference image context from search candidates: Reference image 1: visual subject "# What Is Google Gemma 4? Google Gemma 4 is the most capable open model family from DeepMind yet, shipping four sizes under Apache 2.0 with multimodal input, native reasoning, and" source context "What Is Google Gemma 4? Architecture, Benchmarks, and Why It ..." Reference image 2: visual subject "# What Is Google Gemma 4? Google
openai.com
Dimentica i server remoti e le bollette salate per l’API. La nuova ondata di modelli Gemma 4 QAT di Google, rilasciata il 4 giugno 2026, sta per portare l'intelligenza artificiale di fascia alta direttamente sul tuo PC di casa o persino nel tuo smartphone. E la chiave di tutto sta in una tecnica chiamata addestramento consapevole della quantizzazione (QAT) .
Ma cosa significa tutto questo per te? In pratica, puoi eseguire modelli linguistici avanzati, capaci di comprendere testo, immagini e audio, senza bisogno di un hardware da migliaia di euro, il tutto con una qualità che fino a ieri era impensabile per modelli così compressi .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Arrivano i modelli Gemma 4 QAT di Google: l'IA di fascia alta ora funziona su smartphone e PC"?
Google ha pubblicato i checkpoint QAT (Quantization Aware Training) ottimizzati per l'intera famiglia Gemma 4, inclusi i nuovi modelli da 12B e le varianti E2B, E4B, 26B A4B e 31B [1][4][5].
What are the key points to validate first?
Google ha pubblicato i checkpoint QAT (Quantization Aware Training) ottimizzati per l'intera famiglia Gemma 4, inclusi i nuovi modelli da 12B e le varianti E2B, E4B, 26B A4B e 31B [1][4][5]. Il QAT simula la quantizzazione durante l'addestramento, permettendo ai modelli compressi a 4 bit di mantenere prestazioni quasi identiche all'originale bfloat16 [2][5].
What should I do next in practice?
La memoria richiesta cala di circa il 72%: Gemma 4 E2B occupa solo 1 GB in mobile, mentre il modello da 31B scende a circa 18 20 GB, alla portata di una RTX 3090 [3][5].
Per capirlo, pensa alle foto sul tuo telefono. Un'immagine in formato RAW è enorme e ricca di dettagli, ma occupa tantissimo spazio. La comprimi in JPEG per risparmiare memoria, ma a volte vedi degli artefatti. La quantizzazione nell'IA è simile: riduce la precisione dei numeri che compongono il modello da 16 bit (BF16) a soli 4 bit (INT4), riducendo drasticamente il peso del file .
Il problema? La compressione tradizionale (Post-Training Quantization o PTQ), fatta a modello finito, spesso degrada le prestazioni . Il QAT, invece, è un vero e proprio cambio di paradigma: simula la compressione a 4 bit durante la fase di addestramento. Il modello impara così a compensare la minore precisione, “abituandosi” a lavorare in condizioni di risparmio energetico senza perdere quasi nulla in termini di accuratezza . Il risultato? File che occupano fino al 72% in meno di memoria con prestazioni quasi identiche all'originale. Un piccolo miracolo dell'ingegneria.
La famiglia Gemma 4: un modello per ogni esigenza
Ecco la gamma completa dei modelli Gemma 4 ora disponibili con i checkpoint QAT :
| Modello | Tipo | Memoria in 4 bit (QAT) | A chi è rivolto |\n|---|---|---|---|\n| E2B | Denso (~2,3B parametri) | Circa 1 GB (formato mobile) a 3,2 GB | Smartphone, Raspberry Pi, browser web. Perfetto per chi vuole l'IA sempre in tasca . |\n| E4B | Denso (~4,5B parametri) | Circa 5 GB | Laptop senza GPU dedicata. Il passo successivo per prestazioni più robuste on-the-go . |\n| 12B | Denso e multimodale unificato | Circa 7 GB | GPU con 8 GB di VRAM. Il punto d'incontro tra potenza e accessibilità, supporta nativamente testo, immagini e audio . |\n| 26B A4B | Mixture of Experts (MoE) | Circa 15-16 GB | GPU con 12-16 GB di VRAM. Un'intelligenza da 26B con il costo computazionale di un modello da 4B . |\n| 31B | Denso (30,7B parametri) | Circa 18-20 GB | GPU con +20 GB di VRAM (es. RTX 3090). Per ragionamento complesso e coding spinto direttamente sul tuo PC . |
Cosa significa “girare in locale”? Implicazioni pratiche
Tradurre questi numeri in casi d'uso concreti è illuminante :
Smartphone e Tablet: Con il nuovo formato mobile, il modello E2B arriva a pesare solo 1 GB e può girare interamente sul dispositivo, senza connessione internet . La tua privacy è al sicuro e la latenza è zero.
Pc portatili e GPU economiche (≤8 GB): I modelli E2B, E4B e 12B sono perfetti. Con una scheda grafica da 8 GB, puoi avere un assistente IA multimodale integrato nel tuo IDE o un potente chatbot locale sempre attivo .
Workstation con GPU potenti (12-24 GB): Qui si entra nel regno dei giganti. Il 26B A4B e il 31B, con i loro 256.000 token di contesto (abbastanza per analizzare interi romanzi), diventano utilizzabili su hardware consumer di fascia alta, offrendo capacità di ragionamento di livello professionale in locale .
Non tutta la compressione è uguale: attenzione ai formati
Un aspetto cruciale da comprendere è che non tutti i formati a 4 bit sono creati uguali. Il vero vantaggio del QAT si apprezza appieno solo utilizzando i checkpoint ufficiali pensati per questa tecnica .
Google mette a disposizione principalmente tre strade :
Compressed-tensors: Il formato ufficiale W4A16 per motori di inferenza come vLLM, con pesi a 4 bit e attivazioni a 16 bit.
GGUF / Q4_0: Ampiamente supportato da llama.cpp e Ollama, è il formato ideale per l'uso hobbistico e su CPU.
Mobile Optimized: Un formato ingegnerizzato per l'hardware mobile, che utilizza un mix di precisioni per ridurre ulteriormente l'ingombro.
Attenzione alla fregatura: convertire “ingenuamente” un modello QAT in un formato non ottimizzato vanifica i benefici. La documentazione avverte che una conversione diretta in Q4_0 del modello 26B, senza i giusti accorgimenti, può far crollare l'accuratezza al 70,2%. La solida scelta ufficiale rimane la via più sicura per avere la qualità promessa.
Con questa mossa, Google non si limita a rilasciare dei modelli; sta davvero democratizzando l'accesso all'IA più avanzata, spostando il confine tra il “possibile solo in cloud” e il “fattibile nel mio zaino, sul mio comodino, nel mio ufficio” .
Per capirlo, pensa alle foto sul tuo telefono. Un'immagine in formato RAW è enorme e ricca di dettagli, ma occupa tantissimo spazio. La comprimi in JPEG per risparmiare memoria, ma a volte vedi degli artefatti. La quantizzazione nell'IA è simile: riduce la precisione dei numeri che compongono il modello da 16 bit (BF16) a soli 4 bit (INT4), riducendo drasticamente il peso del file .
Il problema? La compressione tradizionale (Post-Training Quantization o PTQ), fatta a modello finito, spesso degrada le prestazioni . Il QAT, invece, è un vero e proprio cambio di paradigma: simula la compressione a 4 bit durante la fase di addestramento. Il modello impara così a compensare la minore precisione, “abituandosi” a lavorare in condizioni di risparmio energetico senza perdere quasi nulla in termini di accuratezza . Il risultato? File che occupano fino al 72% in meno di memoria con prestazioni quasi identiche all'originale. Un piccolo miracolo dell'ingegneria.
La famiglia Gemma 4: un modello per ogni esigenza
Ecco la gamma completa dei modelli Gemma 4 ora disponibili con i checkpoint QAT :
| Modello | Tipo | Memoria in 4 bit (QAT) | A chi è rivolto |\n|---|---|---|---|\n| E2B | Denso (~2,3B parametri) | Circa 1 GB (formato mobile) a 3,2 GB | Smartphone, Raspberry Pi, browser web. Perfetto per chi vuole l'IA sempre in tasca . |\n| E4B | Denso (~4,5B parametri) | Circa 5 GB | Laptop senza GPU dedicata. Il passo successivo per prestazioni più robuste on-the-go . |\n| 12B | Denso e multimodale unificato | Circa 7 GB | GPU con 8 GB di VRAM. Il punto d'incontro tra potenza e accessibilità, supporta nativamente testo, immagini e audio . |\n| 26B A4B | Mixture of Experts (MoE) | Circa 15-16 GB | GPU con 12-16 GB di VRAM. Un'intelligenza da 26B con il costo computazionale di un modello da 4B . |\n| 31B | Denso (30,7B parametri) | Circa 18-20 GB | GPU con +20 GB di VRAM (es. RTX 3090). Per ragionamento complesso e coding spinto direttamente sul tuo PC . |
Cosa significa “girare in locale”? Implicazioni pratiche
Tradurre questi numeri in casi d'uso concreti è illuminante :
Smartphone e Tablet: Con il nuovo formato mobile, il modello E2B arriva a pesare solo 1 GB e può girare interamente sul dispositivo, senza connessione internet . La tua privacy è al sicuro e la latenza è zero.
Pc portatili e GPU economiche (≤8 GB): I modelli E2B, E4B e 12B sono perfetti. Con una scheda grafica da 8 GB, puoi avere un assistente IA multimodale integrato nel tuo IDE o un potente chatbot locale sempre attivo .
Workstation con GPU potenti (12-24 GB): Qui si entra nel regno dei giganti. Il 26B A4B e il 31B, con i loro 256.000 token di contesto (abbastanza per analizzare interi romanzi), diventano utilizzabili su hardware consumer di fascia alta, offrendo capacità di ragionamento di livello professionale in locale .
Non tutta la compressione è uguale: attenzione ai formati
Un aspetto cruciale da comprendere è che non tutti i formati a 4 bit sono creati uguali. Il vero vantaggio del QAT si apprezza appieno solo utilizzando i checkpoint ufficiali pensati per questa tecnica .
Google mette a disposizione principalmente tre strade :
Compressed-tensors: Il formato ufficiale W4A16 per motori di inferenza come vLLM, con pesi a 4 bit e attivazioni a 16 bit.
GGUF / Q4_0: Ampiamente supportato da llama.cpp e Ollama, è il formato ideale per l'uso hobbistico e su CPU.
Mobile Optimized: Un formato ingegnerizzato per l'hardware mobile, che utilizza un mix di precisioni per ridurre ulteriormente l'ingombro.
Attenzione alla fregatura: convertire “ingenuamente” un modello QAT in un formato non ottimizzato vanifica i benefici. La documentazione avverte che una conversione diretta in Q4_0 del modello 26B, senza i giusti accorgimenti, può far crollare l'accuratezza al 70,2%. La solida scelta ufficiale rimane la via più sicura per avere la qualità promessa.
Con questa mossa, Google non si limita a rilasciare dei modelli; sta davvero democratizzando l'accesso all'IA più avanzata, spostando il confine tra il “possibile solo in cloud” e il “fattibile nel mio zaino, sul mio comodino, nel mio ufficio” .
