Gemma 4 E2B (Reasoning)
Gemma 4 E2B (Reasoning) 是 Google 发布的推理型、开放权重 AI 模型，发布于 2026年4月2日。它可接收文本、图像、语音、视频输入，可生成文本、图像。上下文窗口为 128K Token。
Google 的 Gemini 系列由 Google DeepMind 推进，覆盖通用推理、代码、多模态理解和长上下文任务。
当前模型库还收录了 Google 的另外 20 个型号，可在模型对比页按厂商筛选。
9.5
综合智力
综合推理、知识与复杂任务能力；在 255 款有该指标的模型中第 179 名
7.2
编程指数
代码生成与软件工程任务表现；在 132 款有该指标的模型中第 124 名
1.5
智能体指数
多步骤任务与工具使用表现；在 127 款有该指标的模型中第 113 名
128K
上下文窗口
一次请求可处理的最大 Token 数
一眼看懂
这款模型该怎么看
先确认任务类型，再比较对应能力、响应速度和使用成本。单项分数接近时，不必把很小的差距当成绝对胜负。
基于 264 款文本模型比较
选型时重点查看
- 01通用推理和复杂任务先看综合智力（当前第 179/255），不要只凭厂商品牌判断。
- 02代码生成和软件工程任务重点看编程指数（当前第 124/132）。
- 03需要多步骤执行或工具协作时，重点看智能体指数（当前第 113/127）。
- 04处理长文档或大型代码库时，确认 128K 上下文是否覆盖你的实际输入。
关键指标
按用途查看模型表现
查看能力、速度、成本、上下文和模型规格。
01 · Capability
能力表现
判断复杂任务、编程、知识准确性与专业任务能力。
9.5
综合智力
综合推理、知识与复杂任务能力，越高越好
7.2
编程指数
代码生成与软件工程任务表现，越高越好
1.5
智能体指数
多步骤任务与工具使用表现，越高越好
-24.0
全知指数
知识回答准确性与避免幻觉的综合表现，越高越好
0.1%
知识准确率
知识问题回答正确率，越高越好
0.3%
幻觉率
知识题中产生错误事实的比例，越低越好
38.9
开放性指数
模型可获得性与方法透明度的综合指标
04 · Specification
模型规格
查看上下文、参数和输入输出能力。
128K
上下文窗口
一次请求可处理的最大 Token 数
5.1B
总参数
模型总参数量，单位为十亿参数
2.3B
激活参数
推理时实际激活的参数量，单位为十亿参数
文本、图像、语音、视频
输入能力
支持的输入类型
文本、图像
输出能力
支持的输出类型
推理模型
模型类型
是否属于推理模型
开放权重
权重状态
permissive
2026年4月2日
发布日期
模型发布时间