คู่มือติดตั้ง Gemma 4: โมเดล AI ตัวแรงที่ Google ปล่อยฟรีแบบ Apache 2.0 รันเองได้บนมือถือยันคอมแรง

Google เพิ่งทำเรื่องที่สั่นสะเทือนวงการ AI อีกครั้งครับ เมื่อวันที่ 2 เมษายน 2026 ที่ผ่านมา Google DeepMind ปล่อย Gemma 4 ออกมาถล่มตลาดโมเดลภาษาขนาดเล็ก (SLM) และขนาดกลาง แต่สิ่งที่ทำให้คนทั้งโลกต้องหันมองไม่ใช่แค่ความแรง แต่มันคือการเปลี่ยน License มาเป็น Apache 2.0 ครั้งแรกของตระกูล Gemma ครับ

ถ้าใครตามข่าวมาตลอดจะรู้ว่าเมื่อก่อน Gemma จะมีกฎยิบย่อยเรื่องจำนวนผู้ใช้งานต่อเดือน หรือข้อจำกัดการใช้งานบางอย่าง แต่รอบนี้ Google ปลดล็อกทุกอย่างให้เราเอาไปใช้เชิงพาณิชย์ ปรับแต่ง หรือแจกจ่ายได้เต็มที่เหมือนโมเดลตระกูล Llama หรือ Qwen แล้วครับ แถมประสิทธิภาพของตัวท็อปอย่าง 31B ยังพุ่งขึ้นไปอยู่อันดับ 3 ของโลกบน Arena AI Leaderboard แซงหน้าโมเดลตัวใหญ่กว่ามันหลายสิบเท่าไปเรียบร้อย

ผมขุดข้อมูลวิจัยและลองเล่นตัวจริงมาแล้ว บทความนี้ผมจะสรุปทุกอย่างที่คุณต้องรู้ ตั้งแต่สถาปัตยกรรมที่เปลี่ยนไป จนถึงวิธีติดตั้งให้รันได้ในเครื่องตัวเอง (Local) ตั้งแต่บน Raspberry Pi ยันการ์ดจอตัวแรง พร้อมวิธีแก้บั๊ก Day-0 ที่นักพัฒนาต้องเจอแน่นอนครับ

สิ่งที่ต้องเตรียมก่อนเริ่ม

ก่อนที่เราจะไปสั่ง pull โมเดลมาลองเล่น เราต้องมาดูประยุกต์ใช้ก่อนว่าเครื่องที่เรามีอยู่ไหวกับตัวไหน เพราะ Gemma 4 ออกมาทั้งหมด 4 ขนาด ซึ่งแต่ละตัวกินสเปกต่างกันลิบลับครับ

สรุปสเปก RAM ขั้นต่ำ (สำหรับรันแบบ 4-bit Quantization ที่แนะนำ):
• E2B (2.3B): RAM 4GB (รันบนมือถือหรือ Raspberry Pi 5 ได้สบาย)
• E4B (4.5B): RAM 6GB (โน้ตบุ๊กทั่วไปรันตัวนี้เป็นพื้นฐาน)
• 26B-A4B (MoE): RAM 16-18GB (ตัวนี้คือพระเอกครับ แรงเกือบเท่าตัวท็อปแต่รันเร็วกว่าเยอะ)
• 31B Dense: RAM 20GB+ (สำหรับคนต้องการความแม่นยำสูงสุด)

ซอฟต์แวร์ที่ควรมี:
• Ollama: วิธีที่ง่ายที่สุดสำหรับมือใหม่และสายรีบ
• Python 3.10 ขึ้นไป: สำหรับสาย Developer ที่อยากเขียนโค้ดคุมเอง
• Git: เอาไว้ดึง Library เวอร์ชันล่าสุดที่ยังไม่ปล่อยตัวเต็ม

ทำความรู้จัก 4 ขุนพลของ Gemma 4

ก่อนจะติดตั้ง ผมอยากให้คุณเข้าใจก่อนว่าทำไม Gemma 4 ถึงข้ามกระโดดจากเวอร์ชัน 3 มาไกลขนาดนี้ Google ไม่ได้แค่เพิ่มข้อมูลเทรนครับ แต่เขาเปลี่ยนโครงสร้างข้างในใหม่หมด โดยเฉพาะเทคโนโลยีที่เรียกว่า Hybrid Attention

ปกติโมเดล AI จะต้องอ่านเนื้อหาทั้งหมดในประวัติการคุย (Context) ซึ่งถ้าคุยยาวๆ จะกินทรัพยากรเครื่องมหาศาล แต่ Gemma 4 ใช้การสลับระหว่างการอ่านแบบ "มองภาพรวม" (Global) กับ "มองแค่หน้าต่างสั้นๆ" (Sliding Window) ทำให้มันจำเนื้อหาได้ยาวถึง 128K - 256K tokens โดยที่เครื่องเราไม่ค้างไปก่อนครับ

ที่น่าสนใจที่สุดคือตัว 26B-A4B ซึ่งเป็นแบบ MoE (Mixture-of-Experts) ลองนึกภาพว่าเรามีเชฟเก่งๆ 128 คนอยู่ในครัวครับ แต่เวลาเราสั่งผัดไทย โมเดลจะเรียกเชฟแค่ 8 คนที่เก่งเรื่องนี้มาทำ ส่วนอีก 120 คนก็นอนพักไป ผลคือเราได้งานคุณภาพระดับ 5 ดาว (ได้คะแนน 97% ของตัวท็อป) แต่จ่ายค่าแรงและใช้พลังงานน้อยกว่าเดิม 8 เท่า! นี่คือตัวที่ผมแนะนำให้ทุกคนติดตั้งถ้ามี RAM ถึง 16GB ครับ

วิธีที่ 1: ติดตั้งผ่าน Ollama (ง่ายที่สุด)

ถ้าคุณแค่อยากลองแชต หรืออยากทำ API ไว้ใช้ในโปรเจกต์ของตัวเองโดยไม่ต้องปวดหัวกับการลง Library ผมแนะนำวิธีนี้ครับ

1. ติดตั้ง Ollama
ไปที่ ollama.com แล้วโหลดตัวติดตั้งมาลงตาม OS ของคุณ หรือถ้าใช้ Linux ก็รันคำสั่งนี้ใน Terminal ได้เลย:

curl -fsSL https://ollama.com/install.sh | sh

2. ดึงโมเดลลงเครื่อง
เมื่อติดตั้งเสร็จแล้ว ให้เปิด Terminal (หรือ Command Prompt) แล้วเลือกขนาดที่ต้องการ pull ลงมาครับ ถ้าไม่ระบุอะไรเลยมันจะดึงตัว E4B (ขนาดกลาง) มาให้เป็นค่าเริ่มต้น

# สำหรับโน้ตบุ๊กทั่วไป (แนะนำตัวนี้ครับ)
ollama pull gemma4

# สำหรับเครื่องสเปกต่ำ หรืออยากรันไวๆ
ollama pull gemma4:e2b

# สำหรับสายโหดที่อยากได้ความฉลาดระดับโลก
ollama pull gemma4:26b
ollama pull gemma4:31b

3. เริ่มคุยได้ทันที
พิมพ์คำสั่งนี้เพื่อเริ่มแชตในหน้า Terminal ได้เลยครับ:

ollama run gemma4

Tip สำหรับสาย Dev: Ollama จะสร้าง API server ให้คุณอัตโนมัติที่พอร์ต 11434 คุณสามารถยิง cURL หรือใช้ Library ใน Python/JS ต่อเชื่อมได้เลยโดยไม่ต้องลงอะไรเพิ่ม

วิธีที่ 2: ใช้ LM Studio (สำหรับคนชอบ GUI สวยๆ)

ถ้าคุณไม่ชอบพิมพ์คำสั่งในหน้าจอดำๆ LM Studio คือคำตอบครับ ข้อดีคือมันจะช่วยเช็กให้เสร็จสรรพว่าเครื่องคุณรันโมเดลตัวไหนไหวบ้าง

1. โหลดโปรแกรมจาก lmstudio.ai
2. ในช่องค้นหา พิมพ์ว่า gemma-4
3. คุณจะเห็นไฟล์นามสกุล GGUF ให้เลือกตัวที่มีป้ายกำกับว่า Q4_K_M เพราะเป็นค่าที่สมดุลที่สุดระหว่างความเร็วและความฉลาด
4. กด Download แล้วไปที่หน้า Chat เพื่อเริ่มใช้งานได้เลยครับ

จุดเด่นของ Gemma 4 ใน LM Studio คือมันรองรับ Vision ด้วยครับ คุณสามารถลากรูปภาพใส่เข้าไปแล้วถามโมเดลได้เลยว่า "ในรูปนี้มีอะไรบ้าง?" ซึ่งตัว E2B และ E4B ทำเรื่องนี้ได้แม่นยำมากเมื่อเทียบกับขนาดตัวของมัน

วิธีที่ 3: สำหรับสายเขียนโค้ด (Hugging Face Transformers)

นี่คือจุดที่ความสนุกเริ่มขึ้นครับ ถ้าคุณอยากทำระบบ Agent ที่มีความคิดซับซ้อน Gemma 4 มีฟีเจอร์ใหม่ที่เรียกว่า Thinking Mode ที่ให้โมเดล "คิดในใจ" ก่อนจะตอบออกมา แต่การจะรันผ่านโค้ดในช่วงแรกนี้คุณต้องระวังบั๊ก Day-0 นิดหนึ่งครับ

ปัญหาที่ต้องเจอ: ณ วันที่ปล่อยตัว โมเดลเวอร์ชันทางการใน transformers อาจจะยังไม่อัปเดต ถ้าคุณใช้คำสั่ง pip install transformers ปกติ คุณจะเจอ error ว่าหาโมเดล gemma4 ไม่เจอ

วิธีแก้: ให้ติดตั้งเวอร์ชันนักพัฒนา (Dev branch) ตรงจาก GitHub แทนครับ:

pip install git+https://github.com/huggingface/transformers.git

พอมั่นใจว่า Library พร้อมแล้ว มาลองเขียนโค้ดรันโมเดล E2B (ตัวเล็กสุดที่เข้าใจทั้งภาพและเสียง) กันครับ:

from transformers import pipeline

# โหลดโมเดลแบบ All-in-one
pipe = pipeline("any-to-any", model="google/gemma-4-e2b-it")

# ใส่ได้ทั้งข้อความและรูปภาพ
messages = [
    {
        "role": "user", 
        "content": [
            {"type": "text", "text": "วิเคราะห์รูปนี้ให้หน่อยครับว่ามีจุดไหนที่เสี่ยงอันตรายบ้าง?"},
            {"type": "image", "image": "https://example.com/construction_site.jpg"}
        ]
    }
]

output = pipe(messages, max_new_tokens=500)
print(output[0]['generated_text'])

ฟีเจอร์ลับ: การเปิดใช้งาน Thinking Mode

หนึ่งในสิ่งที่ทำให้ Gemma 4 รุ่น 31B และ 26B MoE แข็งแกร่งมากในโจทย์คณิตศาสตร์ (AIME 2026 พุ่งจาก 20.8% เป็น 89.2%!) คือความสามารถในการใช้เหตุผลแบบเป็นขั้นตอนครับ

เราสามารถบังคับให้โมเดล "คิด" ก่อนตอบได้ด้วยการใส่ token พิเศษ <|think|> ลงไปใน System Prompt ครับ โมเดลจะพ่นกระบวนการคิดออกมาในแท็ก <|channel>thought ...<channel|> ซึ่งเราสามารถเอาเนื้อหาตรงนี้ไป debug ได้ว่าโมเดลเข้าใจโจทย์เราผิดตรงไหน หรือจะซ่อนไว้ไม่ให้ user เห็นก็ได้ครับ

ระวังเรื่องความยาว: การเปิด Thinking Mode อาจทำให้โมเดลเขียนเหตุผลยาวได้ถึง 4,000+ tokens ถ้าเครื่องคุณรันช้า หรือมีงบ Context จำกัด ควรตั้งค่า max_new_tokens ให้ดีนะครับ

เทคนิคการ Prompt สำหรับสาย Multimodal

Gemma 4 ถูกฝึกมาให้รับข้อมูลหลายทาง (Text, Image, Video และ Audio สำหรับรุ่นเล็ก) แต่ลำดับการวาง Prompt สำคัญมากครับ

จากการทดสอบ Best Practice คือการวางสื่อ (รูป/เสียง) ไว้ก่อนหน้าข้อความคำสั่งเสมอ เช่นถ้าคุณอยากให้มันสรุปคลิปวิดีโอ 60 วินาที ให้ส่งวิดีโอไปก่อนแล้วค่อยตามด้วยประโยคว่า "สรุปประเด็นสำคัญจากคลิปนี้ให้หน่อย" วิธีนี้จะทำให้โมเดลโฟกัสกับเนื้อหาภาพได้ดีกว่าการสั่งงานก่อนแล้วค่อยส่งภาพตามหลังครับ

อีกจุดหนึ่งที่เทพมากคือ Variable Aspect Ratio ครับ Gemma 4 ไม่ได้บังคับให้รูปต้องเป็นสี่เหลี่ยมจัตุรัสเหมือนโมเดลรุ่นเก่าๆ แต่มันจะรักษาสัดส่วนภาพเดิมไว้ ทำให้การอ่านตัวหนังสือเล็กๆ (OCR) หรือการอ่านเอกสารทำได้แม่นยำขึ้นมากครับ

ปัญหาที่พบบ่อย + วิธีแก้ (Troubleshooting)

1. บั๊ก ValueError: model type gemma4 not recognized
อย่างที่บอกไปครับ สาเหตุเพราะ transformers ในเครื่องคุณเก่าเกินไป วิธีแก้คือลบแล้วลงใหม่จาก git branch ล่าสุดเท่านั้น

2. บั๊กเรื่อง mm_token_type_ids ตอนเทรน (Fine-tuning)
ถ้านักพัฒนาคนไหนอยากเอา Gemma 4 ไปเทรนต่อ (Fine-tune) คุณจะเจอ error ว่ามันต้องการฟิลด์ mm_token_type_ids ถึงแม้คุณจะเทรนแค่ข้อความอย่างเดียวก็ตาม
วิธีแก้: คุณต้องเขียน custom data collator เพื่อเติมฟิลด์นี้เข้าไปให้เป็นค่าว่าง หรือตั้งค่า remove_unused_columns=False ใน TrainingArguments ครับ

3. รันบน Raspberry Pi 5 แล้วช้า
ถ้าใช้ตัว E2B บน Raspberry Pi 5 แล้วรู้สึกว่าอืด ให้เช็กว่าคุณใช้ 4-bit หรือ 2-bit quantization หรือยัง และควรใช้ Library อย่าง LiteRT ที่ Google แนะนำ จะช่วยให้การทำ Prefill เร็วขึ้นถึง 133 tokens/sec เลยทีเดียว

สรุป: ทำไมคุณควรเริ่มใช้ Gemma 4 วันนี้?

ผมมองว่าการที่ Google ปล่อย Gemma 4 ออกมาภายใต้ Apache 2.0 คือจดหมายรักถึงเหล่านักพัฒนาครับ มันทำลายกำแพงเรื่องค่าใช้จ่ายในการเรียก API และเรื่องความเป็นส่วนตัว (Privacy) ทิ้งไปเลย

ถ้าคุณเป็นนักพัฒนาแอปมือถือ คุณสามารถเอา E2B ไปใส่ในแอปให้มันวิเคราะห์รูปถ่ายและเสียงพูดได้โดยไม่ต้องมีอินเทอร์เน็ต ถ้าคุณเป็น Data Scientist คุณสามารถรัน 26B MoE บนเครื่องตัวเองเพื่อวิเคราะห์ข้อมูลบริษัทที่มีความลับสูงได้โดยไม่ต้องกังวลว่าข้อมูลจะหลุดไปถึงมือใคร

ก้าวต่อไปที่ผมแนะนำคือ ลองติดตั้งผ่าน Ollama ดูก่อนครับ ใช้เวลาไม่เกิน 5 นาที ถ้าติดใจความฉลาดของมันค่อยขยับไปเขียนโค้ดคุมเอง หรือจะลองเทรนให้มันพูดภาษาไทยให้เก่งขึ้นไปอีกระดับก็น่าสนใจมากครับ เพราะรอบนี้ Gemma 4 รองรับภาษาทั่วโลกกว่า 140 ภาษา รวมถึงภาษาไทยที่เราใช้กันอยู่ด้วย

แหล่งอ้างอิง

• Welcome Gemma 4: Frontier multimodal intelligence on device — Hugging Face Blog
• Gemma 4 model card — Google AI for Developers
• Bring state-of-the-art agentic skills to the edge with Gemma 4 — Google Developers Blog
• Gemma 4: Expanding the Gemmaverse with Apache 2.0 — Google Open Source Blog
• Gemma 4 — How to Run Locally — Unsloth Documentation
• gemma4 — Ollama Model Library