La famiglia di modelli Gemma di Google ha superato 1 miliardo di download complessivi, segnando una nuova fase di crescita per l’ecosistema open-weight sviluppato da Google DeepMind. Dalla pubblicazione iniziale, avvenuta nel febbraio 2024, la piattaforma si è progressivamente ampliata attraverso più generazioni del modello, fino ad arrivare a Gemma 4, lanciato nell’aprile 2026. Parallelamente, la community internazionale ha prodotto oltre 100.000 varianti derivate, contribuendo alla formazione di un ecosistema che Google definisce “Gemmaverse”.
L’espansione di Gemma non riguarda soltanto il numero di download, ma anche la varietà degli ambienti in cui i modelli vengono utilizzati. Le applicazioni comprendono dispositivi locali, infrastrutture edge e sistemi operativi in condizioni particolarmente difficili, fino ad arrivare all’elaborazione a bordo di satelliti. NASA, Satlyt e il gruppo di ricerca Starcloud stanno utilizzando Gemma direttamente in orbita per analizzare immagini acquisite dai satelliti, ottimizzare la larghezza di banda dedicata al downlink e gestire operazioni di routing delle comunicazioni tra diversi sistemi spaziali.
Un altro campo di applicazione riguarda la sanità digitale. La National Health Authority indiana ha integrato Gemma 4 e il toolkit open source di Google dedicato ai dati sanitari all’interno di Aarogya Setu 2.0, applicazione sanitaria che ha superato 100 milioni di download. In questo contesto, il modello viene utilizzato per trasformare e standardizzare digitalmente report medici complessi, con l’obiettivo di rendere più strutturati e utilizzabili dati provenienti da documenti eterogenei.
Gemma viene impiegato anche nella ricerca biomedica. Ricercatori della Yale University e di Google hanno sviluppato C2S-Scale, un sistema basato sulla famiglia Gemma progettato per interpretare il cosiddetto “linguaggio” delle cellule. Il progetto ha permesso di individuare percorsi terapeutici contro il cancro che sono stati successivamente verificati attraverso esperimenti su cellule vive, mostrando come modelli nati per l’elaborazione del linguaggio possano essere adattati anche alla rappresentazione di informazioni biologiche complesse.
In ambito scientifico viene sviluppato inoltre DolphinGemma, progetto che coinvolge tra gli altri il Georgia Institute of Technology e che utilizza i modelli Gemma per analizzare e prevedere le vocalizzazioni dei delfini. In questo caso il modello viene applicato a sequenze sonore animali con l’obiettivo di individuare pattern, relazioni e possibili strutture ricorrenti all’interno delle comunicazioni della specie.
In occasione del superamento del miliardo di download, Google ha inoltre pubblicato su GitHub il repository ufficiale Awesome Gemma. Il progetto è stato pensato come punto di raccolta centralizzato per l’ecosistema e riunisce modelli sottoposti a fine-tuning, tutorial, strumenti per sviluppatori e altri progetti costruiti a partire dalla famiglia Gemma. Il repository ha quindi la funzione di rendere più semplice l’individuazione e la condivisione delle risorse sviluppate dalla community, favorendo il riuso di modelli, strumenti e procedure già disponibili.
Gemma rimane una delle principali famiglie open-weight di Google, ma il confronto con altri ecosistemi mostra una competizione sempre più intensa. Secondo dati pubblicati da Hugging Face, tra gennaio e agosto 2026 la famiglia Qwen di Alibaba ha raggiunto 2 miliardi di download, un dato doppio rispetto al traguardo appena superato da Gemma. Meta aveva invece comunicato nel marzo 2025 che la famiglia Llama aveva oltrepassato il miliardo di download, circa due anni dopo la prima pubblicazione dei modelli avvenuta nel febbraio 2023.
Il dato di 1 miliardo di download rappresenta quindi soprattutto la dimensione raggiunta dall’ecosistema sviluppatosi attorno a Gemma. Oltre alle versioni ufficiali rilasciate da Google, le oltre 100.000 varianti create dagli sviluppatori e i progetti realizzati in settori come spazio, sanità, oncologia computazionale e analisi del comportamento animale mostrano come la famiglia sia stata adattata a contesti molto diversi da quelli tradizionalmente associati ai modelli linguistici.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)