Google publicó una actualización de su modelo de inteligencia artificial abierto Gemma 4 que mejora la velocidad en GPUs Nvidia Hopper, corrige fallos en el llamado a herramientas y ataca el problema de las respuestas cortadas. El detalle que encendió a la comunidad: todo se distribuyó bajo el mismo nombre, sin un número de versión que lo diferencie del modelo original.
¿Qué cambió exactamente en Gemma 4?
Según Google, activar Flash Attention 4 acelera el procesamiento de los prompts de entrada entre 25% y 70%, mientras que el tiempo hasta el primer token baja hasta 31%. La compañía también corrigió errores en el llamado a herramientas, la función que permite al modelo activar herramientas externas por su cuenta.
La variante Gemma 4 31B mejora su razonamiento agéntico y su desempeño en el uso de herramientas en todos los escenarios probados, con el mayor salto en el caso de telecomunicaciones: un 10,1% de mejora. Google además redujo los casos en que el modelo cortaba las respuestas o devolvía contenido incompleto.
¿Y el procesamiento de imágenes?
Para el trabajo con imágenes, los usuarios pueden subir manualmente el parámetro max_soft_tokens de 280 a 1.120, con lo que se obtienen resultados de OCR más nítidos y soporte para resoluciones de hasta 2,51 megapíxeles. Google habilitó un configurador interactivo en Hugging Face para ajustar ese valor.
Los benchmarks publicados solo comparan las variantes 31B y E4B contra sus predecesoras, pero el repositorio en Hugging Face muestra que todos los tamaños de esta generación se actualizaron, incluida la reciente versión de 12B.
¿Por qué molestó el "update silencioso"?
Parte de la comunidad reclamó que Google entregara la mejora bajo la misma etiqueta "Gemma 4" en lugar de marcarla como una versión aparte, del estilo "Gemma 4.1". El problema es práctico: quien ya tenía pesos descargados no tiene una forma limpia de saber si está corriendo el modelo original o el revisado, algo crítico para equipos que documentan resultados reproducibles.
Para el ecosistema local en la región, el punto relevante es que las tres mejoras (velocidad, herramientas y respuestas completas) llegan sin cambiar el peso ni la licencia abierta del modelo, así que quienes ya lo ejecutan en servidores propios o estaciones con GPU pueden actualizar sin rehacer su infraestructura. La ganancia de hasta 70% en velocidad de prompt es especialmente valiosa para tareas de agente, donde cada llamada al modelo se paga en latencia acumulada.
