Contents
Gemma 4 の概要と位置付け
Gemma 4 は Google Research が開発したオープンウェイト大規模言語モデル（LLM）です。2026 年 4 月に公式リポジトリが公開され、Apache 2.0 ライセンスの下で配布されています。商用・非商用を問わず自由に利用できる点と、ローカル環境でも実行可能な軽量バリアントが提供されていることが特徴です。本稿では、モデルの基本情報からライセンス遵守要件、ローカル／クラウドでの活用方法までを体系的に解説します。
ライセンスと再配布時の留意点
Apache 2.0 の主要条件（導入文）
Apache 2.0 は特許権付与や改変・再配布の自由度が高い一方で、著作権表示とライセンス文書の同梱が必須という要件があります。以下に、Gemma 4 を製品やサービスに組み込む際に守るべきポイントをまとめました。
| 項目 | 必要な対応 |
|---|---|
| 著作権表示 | Copyright 2026 Google Research の記載を必ず残す |
| ライセンス文書 | Apache 2.0 ライセンス全文（LICENSE）と NOTICE ファイルを配布物に同梱 |
| 改変の明示 | ソースコードやモデル重みを変更した場合は、変更箇所をコメントまたは README に記載 |
| 特許権付与 | ライセンスに含まれる特許権は自動的に受諾者へ付与されるが、再配布時に削除しないこと |
| 商標使用 | 「Gemma」やロゴは Google の商標であるため、製品名としての使用は別途許可が必要 |
実務上のポイント
製品マニュアルやインストーラに「© 2026 Google Research. Licensed under the Apache License, Version 2.0」等の表記を入れるだけで、ほとんどの要件は満たせます。特に SaaS 化する場合は、サーバ側コードとクライアント側 SDK の両方に同様の表示を行いましょう。
Ollama を用いたローカル環境構築
ローカル実行のメリット（導入文）
ローカルでモデルを走らせることで、データが外部ネットワークへ流出するリスクを排除でき、機密情報を扱う社内システムでも安心して利用できます。Ollama はマルチプラットフォーム対応の軽量ランタイムで、数行のコマンドだけで Gemma 4 の各バリアントを取得・起動可能です。
1. Ollama のインストール手順
|
1 2 3 |
# macOS / Linux 用公式インストーラ（2026 年 5 月時点） curl -fsSL https://ollama.com/install.sh | sh |
インストールが完了したら、バージョン確認で成功を確かめます。
|
1 2 |
ollama --version # => ollama version 0.1.12 など |
2. Gemma 4 バリアントの取得
Ollama が提供する pull コマンドで、必要なサイズのモデルをダウンロードします。以下は公式リポジトリに記載されている代表的バリアントです。
| バリアント | パラメータ数 | 想定ユースケース |
|---|---|---|
gemma:2.7b |
2.7 B | エッジデバイス・低遅延チャット |
gemma:7b |
7 B | 中規模業務アシスタント |
gemma:27b-moe |
27 B (Mixture‑of‑Experts) | 高精度が要求される分析タスク |
gemma:31b-dense |
31 B | 大規模生成・要約 |
取得例：
|
1 2 3 |
ollama pull gemma:2.7b # 約 5 GB のストレージを使用 ollama pull gemma:31b # 約 70 GB が必要 |
注意
GPU が搭載されていない環境ではgemma:31bのロードに数分以上かかることがあります。CPU 限定の場合は軽量版（2.7B）を優先してください。
3. API エンドポイントの設定
Ollama はデフォルトで http://127.0.0.1:11434 に RESTful API を公開します。ポート変更や簡易認証が必要な場合は以下のように起動オプションを付与します。
|
1 2 3 4 5 |
# ポート 8080 へ変更し、ベーシック認証を設定 ollama serve --port 8080 \ --auth-user ollama \ --auth-pass secret123 |
起動後はブラウザで http://localhost:8080/v1/models にアクセスし、JSON 形式でモデル一覧が取得できれば完了です。
4. 各言語からの呼び出しサンプル（導入文）
以下に Python（requests）、cURL、JavaScript（fetch）の３パターンを示します。どれも同一のリクエスト構造になるため、環境に合わせて選択してください。
Python (requests)
|
1 2 3 4 5 6 7 8 9 10 11 |
import json, requests url = "http://127.0.0.1:11434/v1/chat/completions" payload = { "model": "gemma:2.7b", "messages": [{"role": "user", "content": "Gemma 4 の特徴を教えて"}], "max_tokens": 200 } resp = requests.post(url, json=payload) print(json.dumps(resp.json(), ensure_ascii=False, indent=2)) |
cURL
|
1 2 3 4 5 6 7 8 |
curl -X POST http://127.0.0.1:11434/v1/chat/completions \ -H "Content-Type: application/json" \ -d '{ "model":"gemma:2.7b", "messages":[{"role":"user","content":"Gemma 4 のライセンスは？"}], "max_tokens":150 }' |
JavaScript (fetch)
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 |
const endpoint = "http://127.0.0.1:11434/v1/chat/completions"; fetch(endpoint, { method: "POST", headers: { "Content-Type": "application/json" }, body: JSON.stringify({ model: "gemma:2.7b", messages: [{ role: "user", content: "Gemma 4 の活用例は？" }], max_tokens: 200 }) }) .then(r => r.json()) .then(console.log) .catch(console.error); |
5. トラブルシューティング（導入文）
ローカル運用でよく遭遇するエラーとその対処法を表にまとめました。
| 症状 | 主な原因 | 推奨解決策 |
|---|---|---|
| Ollama が起動しない | PATH 未設定／実行権限不足 | which ollama でパス確認後、chmod +x $(which ollma) |
| モデルロード失敗（“failed to load”） | ディスク容量不足またはダウンロード破損 | 空き容量 ≥ 80 GB を確保し、ollama pull --retry <model> |
| 応答が遅い | GPU 未使用／CPU 限定で大規模モデルを実行 | 環境変数 OLLAMA_DEVICE=cuda を設定し、CUDA とドライバを最新版に更新 |
クラウドサービスでの Gemma 4 利用
Google Vertex AI（旧称 AI Studio）公式情報へのリンク修正（導入文）
Google が提供する Vertex AI は、Gemma 4 を含む複数のオープンモデルを API 経由で利用できるマネージドサービスです。以下では公式コンソールからのセットアップ手順と料金体系を解説します。
公式ページ: https://cloud.google.com/vertex-ai/generative-models
1. プロジェクト作成・API 有効化
- Google Cloud コンソールにログインし、Vertex AI → Generative AI Studio に移動。
- 「モデルを追加」から Gemma 4 を選択し、プロジェクトに紐付ける。
- 必要に応じて 課金アカウント を設定（無料枠は月間 100 k トークンまで利用可能）。
2. API キー取得とエンドポイント
- 「API とサービス → 認証情報」から API キー を作成し、環境変数
GOOGLE_API_KEYに保存。 - エンドポイントは
https://generativelanguage.googleapis.com/v1beta/models/gemma-4:generateText（バージョンは随時更新）。
3. cURL 呼び出し例
|
1 2 3 4 5 6 7 8 9 |
curl -X POST \ https://generativelanguage.googleapis.com/v1beta/models/gemma-4:generateText?key=${GOOGLE_API_KEY} \ -H "Content-Type: application/json" \ -d '{ "prompt":"Gemma 4 の商用利用時の留意点は？", "temperature":0.7, "max_output_tokens":200 }' |
備考
Vertex AI は自動的に TLS 暗号化と認証を行うため、追加設定は不要です。ただし、組織のポリシーでキー管理が必要な場合は Secret Manager の活用を推奨します。
OpenRouter 経由での利用（導入文）
OpenRouter は複数ベンダーのモデルを単一 API で呼び出せるゲートウェイです。Gemma 4 を選択するだけで、同一インターフェースでローカル・クラウド両方に切り替えられます。
| 手順 | 内容 |
|---|---|
| 1. アカウント作成 | https://openrouter.ai へサインアップ |
| 2. モデル有効化 | ダッシュボード → Add Model → 「Google / Gemma 4」チェック |
| 3. API キー取得 | 自動生成されたキーを環境変数 OPENROUTER_API_KEY に保存 |
| 4. エンドポイント | https://openrouter.ai/api/v1/chat/completions に POST |
料金・レートリミット（2026 年 5 月時点、公式プラン）
| 項目 | 内容 |
|---|---|
| 価格 | $0.00012 / 1 k トークン（約13円/10万トークン） |
| 無料枠 | 月間 100 k トークンまで無料 |
| レート制限 | 60 リクエスト／分、同時接続最大 5 本 |
注記
金額は米ドルベースであり、為替変動に伴う実費は別途発生します。公式料金ページ（https://openrouter.ai/pricing）をご確認ください。
コスト比較と導入シナリオ
前提条件の明示（導入文）
以下では「ローカル運用」と「クラウド利用」の 2 パターンについて、ハードウェア費・電力・保守・従量課金 を概算で比較します。数値は一般的な市場価格やベンダー公表情報に基づく 目安 です。
| 項目 | ローカル（Ollama） | Vertex AI（Google） | OpenRouter |
|---|---|---|---|
| 初期ハードウェア費* | RTX 4090 1 台：¥300,000（耐用年数 3 年 → 月額約 ¥8,300） | - | - |
| 電力・保守** | 約 ¥2,500 /月（GPU 稼働率 50% 想定） | - | - |
| 従量課金 | 0 円（ローカル実行） | $0.00015 / 1 k トークン（約¥1,250/10万トークン） | $0.00012 / 1 k トークン（約¥1,000/10万トークン） |
| 無料枠 | - | 月間 100 k トークンまで無料 | 同上 |
| 合計月額コスト（例：30 万トークン使用） | ≈ ¥11,800 | ≈ ¥3,750 | ≈ ¥3,300 |
* ハードウェア費は新品 GPU の参考価格です。中古やクラウド GPU インスタンスを利用すれば初期投資はさらに抑えられます。
** 電力費は 200 W の消費電力と日本国内平均電価（¥27/kWh）で算出。
結論
・既に GPU 環境がある組織はローカル運用が最もコスト効率的です。
・ハードウェア投資を抑えたい中小企業やスタートアップは、OpenRouter の従量課金プランで月額数千円程度に収められます。
ライセンス遵守とデータ保護のチェックリスト（導入文）
| 項目 | 必要な対策 |
|---|---|
| Apache 2.0 表示 | ソフトウェア配布物・Web UI に「© 2026 Google Research. Licensed under Apache 2.0」を掲載 |
| NOTICE ファイル | すべてのバイナリ／パッケージに同梱し、GitHub リポジトリでも公開 |
| 機密データ保護 | ローカル実行時はネットワーク遮断、クラウド利用時は TLS + IAM ポリシーでアクセス制御 |
| 鍵ローテーション | API キーは 90 日ごとに更新し、Secret Manager に保存 |
| 監査ログ取得 | Vertex AI の Cloud Audit Logs、OpenRouter の Usage Dashboard を活用 |
実務での具体的活用例
1. 顧客問い合わせチャットボット（導入文）
社内 FAQ データベースと組み合わせて、自然言語で顧客対応が可能です。ローカル環境ではデータ漏洩リスクが最小化でき、応答速度も 0.8 秒 程度に抑えられます。
| 実装ステップ | 内容 |
|---|---|
| データ整形 | CSV/JSON で質問‑回答ペアを作成 |
| プロンプト設計 | 「以下の FAQ を参照し、ユーザーの質問に答えて」形式 |
| API ラッパー | Flask + Ollama エンドポイント（gemma:2.7b） |
| デプロイ | Docker コンテナ化 → 社内 VPN 内で稼働 |
2. 社内文書要約サービス（導入文）
長い議事録やレポートを数百文字に圧縮し、情報共有コストを削減します。月間約 2,000 件 の要約であれば、OpenRouter の従量課金でも ¥1,200 未満 に抑えられます。
| 手順 | ポイント |
|---|---|
| 入力取得 | SharePoint API からテキスト抽出 |
| プロンプト例 | 「次の文章を要点だけ300文字以内でまとめて」 |
| トークン設定 | max_output_tokens: 150 |
| 結果保存 | DB に要約文とメタデータを格納 |
3. コード補完・レビュー支援（導入文）
IDE 拡張機能からローカル API を呼び出すだけで、リアルタイムにコード提案が得られます。GPU 搭載マシンでは 30 ms 未満のレイテンシを実現。
| 実装例 | 説明 |
|---|---|
| VS Code 拡張 | vscode-languageclient で http://localhost:11434/v1/completions に POST |
| プロンプト | 「次の Python 関数の続きを書いて」＋現在のコードスニペット |
| フィードバック | 補完結果を UI に表示し、ユーザーが承認したものだけ適用 |
まとめ
- Gemma 4 は Google Research が Apache 2.0 で公開したオープンウェイト LLM であり、商用利用に制限はありません。
- ローカル環境（Ollama） ではデータ保護と低遅延が実現でき、GPU を持つ組織なら月額約 ¥10,000 のコストで運用可能です。
- Vertex AI と OpenRouter は手軽にスケールアウトでき、従量課金は月数千円程度と非常に低コストです（無料枠あり）。
- ライセンス遵守 では著作権表示・LICENSE・NOTICE の同梱が必須で、商標利用には別途許諾が必要です。
- 実務活用例 としては顧客チャットボット、文書要約、コード補完が代表的で、いずれも数行の設定変更だけで導入できます。
以上を参考に、組織の予算・データポリシー・技術スタックに最適な Gemma 4 の導入プラン を策定してください。質問や具体的な実装支援が必要な場合は、遠慮なくお問い合わせください。