無料のオンデバイスAI「Gemma 4」はどこまでできる？iPhoneとPixelで実際に試してみる

Googleが最新のオープンソースモデル「Gemma 4」を発表しました。

AIを使う上で多くの人が気にするのが、セキュリティとプライバシーの問題です。Gemmaは、クラウドに一切データを送らず、端末だけで動作します。個人情報や機密情報を外部に出さずに使える点が、クラウド型AIとの大きな違いです。

これまでに4億回以上ダウンロードされ、世界中の開発者・研究者に活用される大規模なオープンモデルへと成長しています。

最新のGemma 4では、Gemmaはスマートフォン上で動作するモデルとして最高水準の性能を実現。画像・動画・音声をまとめて理解するマルチモーダルに対応し、テキストだけでは伝わらない情報もそのまま入力できます。一度に処理できる情報量も飛躍的に拡大し、長文の要約や複数ページにわたる資料の分析もこなせるようになりました。

対応言語は140以上、日本語を含む多言語での利用も想定されています。

さらに今回からApache 2.0ライセンスへ移行。商用利用・改変・再配布が自由になり、企業・個人を問わず制限なく使えます。

Gemma 4をスマホで使ってみる

Gemma 4は、用途やハードウェアに応じて4つのサイズが用意されています。スマートフォンやIoTデバイス向けの「E2B」「E4B」と、PCやワークステーション向けの「26B」「31B」です。

小型モデルのE2BとE4Bは、単純なパラメータ数の大きさよりも、マルチモーダル性能や低遅延、省メモリ性を重視して設計されています。

バッテリーやメモリへの負荷を抑えつつ、オフラインでもAIを動かしやすくすることを優先しています。より軽快な動作を重視するならE2B、推論性能や扱える情報量を重視するならE4Bという選び方になります。

この2モデルはGoogle AI Edge Galleryから利用できます。

インターフェースは2種類あり、AIとテキストでやり取りできる「AI Chat」と、音声や画像、その場で撮影した写真を入力したり、Skillsを呼び出したりできる「Agent Skills」が用意されています。

AI ChatをiPhoneとPixelで試してみた

実際にAI Chatで「iPhone 17とPixel 10を比較して、どちらがおすすめか」と質問したところ、「現時点（2024年）ではまだ発表されていない」として、予測ベースの回答が表示されました。

ただ、内容は機種ごとの違いに深く踏み込んだものではなく、主にiPhoneとPixel、あるいはiOSとAndroidの違いを整理したもので、かなり物足りない。そこで当時の最新モデル、iPhone 15とPixel 8の比較を試すと、こちらはそれなりに妥当性のある内容が返ってきました。

iPhone 17 Proで試してみると、回答の出だし自体は比較的速いものの、生成が進むにつれて徐々にもたつきを感じました。ゲームプレイ時と大きく変わらないほどの発熱も感じます。同じプロンプトをPixel 10 Proで試すと、序盤からもたつきが目立ち、完了までの時間はiPhone 17 Proと比べて5分近く開きました。

この違いは処理の違いから生まれています。

iPhone 17 ProではGPUが使われたのに対し、Pixel 10 ProではCPU処理のみで、より高速なGPUは選択できませんでした。テスター向けにNPUでの動作も試せますが、生成された内容はかなり簡易的なものでした。

Agent Skillsで最新データを分析

オンデバイスAIのGemma 4は学習済みの情報をもとに応答するため、最新情報が必要なテーマでは誤りやズレが出やすいという弱点があります。そこで「Agent Skills」も試してみました。

まずは最新のNBAデータを取得できるSkillsを作成。取得した試合データをもとにAIへ分析を指示すると、スコアや主要スタッツを踏まえた要約は比較的自然で、簡単な試合の振り返りや分析のたたき台としては十分使えるレベルでした。

昨日のレイカーズvs OKCサンダー。Gemma 4を使って試合の概要をまとめて OKCのゲームプラン解析、レイカーズが勝つために必要だったことを分析させてみた… pic.twitter.com/YlS0xoa2Dg

— Yusuke Sakakura🍎携帯総合研究所 (@xeno_twit) April 4, 2026

一方で、どの時間帯に試合が崩れたか、誰のプレーが流れを変えたかといった臨場感のあるレポートを生成するには、より細かなプレー経過データが必要です。ただ、そうした膨大なデータ（プレイバイプレイなど）を入力するためにトークン量を増やすと、アプリごと落ちてしまいました。

現時点では、軽量な試合データをもとにライトなゲームレポートを生成することは可能です。試合の空気感まで立体的に伝えるには不十分ですが、数字を並べるだけではない試合レポートをすばやく生成する用途であれば、十分に実用的だと感じました。

以下は、上記のゲーム分析とは異なるプロンプトで出力したゲームレポートの記事です。ここに印象的なプレイ、試合を決定づけるポゼッション、けがなどのニュース性を加えていけば、速報記事としては十分な内容になりそうです。

圧倒的パフォーマンスでThunderがLakersを撃破、2026-04-02の激闘を制すオクラホマシティ・サンダーがロサンゼルス・レイカーズを139対96で破り、2026-04-02の激戦を制した。この試合は、サンダーが圧倒的なオフェンス効率とディフェンスの堅実さでレイカーズを凌駕し、大差をつけて勝利を収めた一戦となった。試合はサンダーが序盤から勢いを見せ、第1クォーターで44点とレイカーズの21点を大きく上回る。この勢いは第2クォーターも続き、サンダーが38点、レイカーズが30点と、ハーフタイム時点でサンダーが82-51と大きなリードを築き上げた。この圧倒的なスコアリングランが、試合の大きな分岐点となった。後半に入ってもサンダーの攻撃は止まらず、第3クォーターで30点、第4クォーターで27点と、合計139点という驚異的な得点力を叩き出した。一方、レイカーズは第3クォーターで16点、第4クォーターで29点と得点力が落ち込み、特にオフェンスの効率面で課題を残した。サンダーの勝利の鍵は、53.9%という高いフィールドゴール成功率と19本の3ポイントシュートに集約される。また、相手のターンオーバーを誘発し、24点という高い「ターンオーバーからの得点」を記録した点も大きい。対照的に、レイカーズは38リバウンドを記録したものの、サンダーの50リバウンドには及ばず、オフェンスの停滞が敗因として示唆される。サンダーのベンチ陣も貢献度が高く、73点という得点を叩き出した。レイカーズのベンチは42点に留まり、得点力で差がついたことが勝敗を分けた。Key Stats勝者:オクラホマシティ・サンダー (139点)、敗者: ロサンゼルス・レイカーズ (96点)サンダーFG%: 53.9% (19/35)サンダー3PM: 19本レイカーズFG%: 43%レイカーズTOV: 18回Turning Pointハーフタイム時点での82-51という大きなリード。サンダーが序盤から圧倒的なスコアリングランを叩き出し、レイカーズのオフェンスを封じ込めたことが決定的な分岐点となった。Standout Playersサンダー: チーム全体が爆発的なオフェンスを見せたが、特にベンチ陣の貢献が際立った。レイカーズ: レブロン・ジェームズ（25:59出場、13得点）、オースティン・リーヴス（26:38出場、15得点）らが奮闘したが、チーム全体の得点力不足が目立った。