Testei o Gemma 4 local com Ollama — qual variante vale a pena?
O Google lançou o Gemma 4 e, como já uso modelos locais no dia a dia via Ollama, resolvi baixar as principais variantes e rodar o mesmo teste em todas. Nada elaborado — três perguntas simples, sempre as mesmas, pra ver onde cada tamanho de modelo começa a errar e qual a velocidade real na minha máquina.
O teste
Usei três perguntas que parecem triviais, mas pegam erros comuns de modelo pequeno:
- Correção de texto — um parágrafo com erros de gramática, ortografia, pontuação e crase pra corrigir.
- Contagem de letras — quantas vezes a letra “r” aparece em “paralelepípedo”.
- Um puzzle de nomes — o pai de Maria tem 5 filhas: Lala, Lele, Lili, Lolo e… qual o nome da quinta? (pegadinha: é “Maria”, a própria pergunta já dá a resposta — não segue o padrão dos outros nomes).
Rodei as mesmas três perguntas em seis variantes do Gemma 4, todas via Ollama, e anotei a velocidade em tokens/segundo e quais tarefas cada uma acertou ou errou.
Ambiente dos testes
Pra quem for comparar com a própria máquina, os testes rodaram em:
- CPU: AMD Ryzen 5 5600 (6 núcleos / 12 threads)
- GPU: NVIDIA RTX 4060, 8GB VRAM
- RAM: 32GB
- SO: Windows 11 Pro
- Runtime: Ollama
Isso importa porque a velocidade despenca quando o modelo não cabe inteiro na VRAM — dá pra ver isso acontecer no 12b-it-qat mais abaixo.
Resultado comparativo
| Modelo | Velocidade | Acertos | Observação |
|---|---|---|---|
gemma4:e2b-it-q8_0 |
77 tok/s | 2/3 (errou a do nome) | Usa “think” em todas, sem exagero |
gemma4:e4b |
62 tok/s | 2/3 (errou a do nome) | Não usou “think” |
gemma4:e2b |
109 tok/s | 2/3 (errou a contagem de letras) | A mais rápida do teste |
gemma4:e4b-it-qat |
65 tok/s | 1/3 (errou letras e nome) | Nem usou “think” na primeira |
gemma4:12b-it-qat |
10 tok/s | 3/3 | Não cabe na VRAM — processamento cai pra CPU/RAM |
gemma4:26b-a4b-it-qat |
26 tok/s | 3/3 | É MoE, por isso mantém velocidade razoável mesmo maior |
O padrão que apareceu: os modelos e2b/e4b são rápidos mas erram a pergunta do “nome da quinta filha” — provavelmente porque ela exige ignorar o padrão óbvio (nomes terminados em -la/-lo) e prestar atenção ao que já foi dito no enunciado. Só os modelos a partir de 12b pegaram essa pegadinha consistentemente.
O 26b-a4b-it-qat chamou atenção por ser MoE (Mixture of Experts): tem mais parâmetros que o 12b-it-qat, mas roda mais rápido porque só ativa parte da rede por token — e ainda assim acertou tudo.
Minha conclusão
Pra tarefas simples do dia a dia — corrigir texto, resumir, bater papo — fico com o gemma4:e2b-it-q8_0: é rápido o suficiente e o único erro que teve foi numa pegadinha, não em algo que realmente atrapalha esse tipo de uso.
Já pra trabalhos com agentes, onde precisão e raciocínio em múltiplos passos pesam mais que velocidade bruta, vou de gemma4:26b-a4b-it-qat: acertou tudo e, por ser MoE, ainda mantém uma velocidade que não trava o fluxo — bem melhor que o 12b-it-qat, que empaca ao estourar a VRAM.