Gemma 4是谷歌DeepMind推出的文档解析工具，能够处理扫描和数字PDF，提取发票信息。它通过将PDF页面渲染为高分辨率图像，利用视觉语言模型读取内容，克服传统文本提取工具的局限性。该工具支持灵活的视觉令牌预算，以适应不同文档的复杂性，确保高效准确的提取。

谷歌在6月发布了一系列AI更新，包括本地运行的Gemma 4 12B模型、Android 17的浮动窗口和安全升级、新的财务应用以跟踪投资、Gemini 3.5的实时语音翻译，以及NotebookLM和教育工具的个性化学习支持。此外，AI在气候预测和公共服务中展现潜力。

本文讨论了本地编码模型的进展，重点介绍了Qwen3.6、Gemma 4和DiffusionGemma等模型的优势。Qwen3.6适合各种编码任务，Gemma 4支持多模态输入，适合处理文档和界面问题，而DiffusionGemma以高效生成著称，适合快速编码。这些模型为开发者提供了强大的本地编码支持。

Gemma 4是谷歌DeepMind最新的开源模型，性能更高且计算成本更低，支持多种设备，适用于内部工具和生产环境。文章介绍了如何安装Ollama和Gemma 4，以及配置Claude Code以实现高效的代码生成和调试。Gemma 4能够处理复杂的编程任务，如代码分析和测试生成，适合日常工程使用。

Gemma 4是最新的开源模型，已被下载超过1.5亿次。它支持低延迟的离线应用，如HubX的英语辅导平台BetterSpeak，利用量化模型实现私密学习。此外，Gemma 4具备视觉语言处理能力，能够进行物体识别和图像描述，适用于多种创意项目。

Gemma 4最近发布了优化的量化感知训练（QAT）检查点，提升了模型在移动设备上的效率，减少了压缩时的质量损失，显著降低了内存占用，适合在日常边缘设备上运行。新模型支持多种开发工具，用户可轻松下载和部署。

谷歌推出基于AI的应用Dreambeans，整合用户的Google服务信息，生成生活灵感内容，鼓励用户回归现实生活。该应用目前仅面向美国的Google AI Ultra订阅用户。同时，谷歌开源了Gemma 4 12B多模态模型，旨在降低AI模型的运行门槛，支持本地设备使用。此外，Google AI Edge Gallery已推出macOS版本，强调隐私保护和离线运行。

本文介绍了为Gemma 4模型添加的两个新工具：沙盒文件系统浏览器和受限的Python解释器。这些工具使模型能够自主检查环境和执行代码，从而提升其代理性。文章详细阐述了工具的设计、安全性考虑及实际应用测试，展示了模型如何有效处理信息和进行计算。

Gemma 4推出了多令牌预测（MTP）模型，采用专门的推测解码架构，实现了三倍的速度提升，同时保持输出质量不变。MTP通过将重型目标模型与轻型草拟模型配对，减少延迟，提升AI应用在本地和边缘设备上的性能。MTP草拟器现已开源，开发者可在Hugging Face等平台下载和实验。

谷歌在2026年4月推出了多项AI新产品，包括Gemini企业代理平台和第八代TPU，旨在提升企业效率和安全性。Gemma 4是最强大的开放模型，Deep Research Max能独立完成高水平研究任务。此外，谷歌翻译庆祝20周年，每月翻译约1万亿个词，并与强生基金会合作推动农村医疗AI培训。