Cuando Google publicó Gemma 2 en junio de 2024[1], la recepción fue educada pero no entusiasta. La primera versión había sido recibida como un gesto hacia la comunidad abierta que no terminaba de competir con Llama 3 o Mistral. Gemma 2 llegó con la promesa de cerrar esa brecha, y un año después tenemos material suficiente para valorarla sin la incertidumbre inicial.

Este post es un balance tras un año de uso real en distintos escenarios. No es un estudio exhaustivo de benchmarks, sino una lectura práctica de dónde Gemma 2 ha encontrado su sitio y dónde no.

Puntos clave

  • El 9B es el tamaño más útil para aplicaciones autoalojadas: cabe en una GPU de consumo y compite favorablemente con Llama 3 8B en tareas de asistente.

  • La cobertura multilingüe es el punto diferencial más claro frente a Llama: en español concretamente la calidad es buena sin fine-tuning.

  • La ventana de 8K tokens es el límite más visible frente a Llama 3 (128K) o extensiones de Mistral.

  • La licencia de Google es permisiva pero no Apache 2.0/MIT; conviene leerla si tu aplicación necesita máxima libertad legal.

  • La comunidad alrededor de Gemma 2 es más pequeña que la de Llama: menos fine-tunes públicos, menos variantes.

Las variantes y sus casos

Gemma 2 se publicó en tres tamaños, todos con arquitectura de transformers decoder-only con atención de ventana deslizante intercalada, según describe el informe técnico del equipo Gemma[2]:

  • 2B: edge y cargas baratas. Encaja en dispositivos móviles, ejecuta en CPU de portátil sin drama, y compite directamente con Phi-3 Mini y Llama 3.2 en ese rango. Su calidad es sorprendente para el tamaño, especialmente en tareas de clasificación y extracción sobre texto relativamente corto.

  • 9B: ocupa el espacio donde antes reinaba Mistral 7B: el modelo de propósito general que entra en una GPU de consumo (16-24 GB de VRAM con cuantización). Es probablemente el tamaño más útil para autoalojar.

  • 27B: compite con Llama 3 70B a un coste de inferencia mucho menor. Para despliegues serios que necesiten calidad sin pagar hardware de 80 GB, es una opción razonable.

Dónde Gemma 2 brilla

Razonamiento en idiomas distintos del inglés. La cobertura multilingüe es notable, y en español concretamente la calidad es buena desde el primer momento, sin necesidad de fine-tuning. En comparaciones con Llama 3 de tamaño similar, Gemma 2 da resultados más consistentes en español.

Concisión en las respuestas. Gemma 2 tiende a responder de forma directa, sin el «claro, con mucho gusto voy a explicarte…» que satura las respuestas de algunos competidores. Para integrar el modelo en aplicaciones donde la respuesta se procesa programáticamente, esta tendencia es un alivio.

Código para tamaño no especializado. Gemma 2 27B es sorprendentemente competente para no ser un modelo especializado. No está al nivel de DeepSeek Coder o Qwen Coder, pero se defiende con soltura en la programación cotidiana.

Dónde no encaja bien

El contexto es el límite más visible. Gemma 2 lanza con 8K tokens de ventana. Para cargas que requieren procesar documentos grandes, es un problema que hace perder competitividad frente a Llama 3 (128K) o Mistral con extensiones. Nuestro análisis de modelos de pesos abiertos en empresa profundiza en cuándo el contexto largo marca la diferencia en casos reales.

La licencia es otra cosa que conviene entender. Gemma está publicada bajo una licencia específica de Google[3] que es permisiva pero no es Apache 2.0 ni MIT. Tiene cláusulas de uso responsable que permiten a Google intervenir si el modelo se usa para usos prohibidos. Para un uso comercial normal no hay fricción, pero si tu aplicación requiere la máxima libertad legal, la licencia de Llama 3 o la de Mistral son más simples.

El ecosistema alrededor de Gemma 2 es más pequeño que el de Llama, tal y como se aprecia en la propia página de Gemma 2 en Hugging Face[4]. Hay menos fine-tunes públicos, menos variantes optimizadas para casos concretos y menos integraciones probadas. No es un bloqueo serio, pero si necesitas una variante específica, es más probable que la encuentres para Llama 3.

La decisión entre modelos abiertos

A la hora de elegir entre modelos abiertos para un proyecto, las preguntas clave son:

  • ¿Necesito contexto largo? Entonces Llama 3 o Qwen 2.5 ganan cómodamente.

  • ¿Necesito rendimiento optimizado en una GPU concreta? Probablemente Mistral por la madurez de las herramientas de inferencia.

  • ¿Trabajo principalmente en español u otros idiomas europeos, y valoro respuestas directas? Gemma 2 es una opción fuerte y a veces la mejor.

  • ¿Necesito código de alta calidad? Modelos específicos como DeepSeek o Qwen Coder.

  • ¿Necesito un modelo pequeño para el edge? Gemma 2 2B compite bien con Phi-3 y Llama 3.2 1B/3B.

No hay un ganador universal. Para un análisis de cómo servir estos modelos en producción con las latencias correctas, ver nuestro artículo sobre vLLM en 2025.

El lugar que ha encontrado

Después de un año, Gemma 2 ha encontrado un nicho razonable sin robar cuota masiva a Llama o Mistral. Su adopción es sólida entre equipos que valoran la calidad multilingüe, entre despliegues que priorizan respuestas concisas, y entre casos donde la integración con herramientas de Google (Vertex AI, TPUs) es un plus.

Lo que no ha pasado es que Gemma 2 haya desplazado a Llama 3 como opción por defecto para modelos abiertos. Llama 3 sigue siendo la elección más frecuente cuando un equipo pregunta «¿qué modelo abierto uso?», y eso se debe más al ecosistema y la documentación acumulada que a diferencias técnicas de fondo.

Si estoy empezando un proyecto hoy y no tengo restricciones claras, probaría Gemma 2 9B como primera opción, especialmente si el proyecto tiene carga en idiomas distintos del inglés. Casi siempre me quedaría ahí. Si el resultado no me convence, bajaría a Llama 3 por comodidad de ecosistema.

Ese orden, hace un año, habría sido al revés. El cambio de orden es probablemente el mejor resumen de lo que Gemma 2 ha conseguido.

Este artículo también está disponible en inglés: Gemma 2: Google’s open model one year later.

Preguntas frecuentes

¿Qué tamaño de Gemma 2 elijo para autoalojar en una GPU de consumo?

El 9B: entra en una GPU de consumo con 16-24 GB de VRAM con cuantización. Ocupa el espacio donde antes reinaba Mistral 7B y compite favorablemente con Llama 3 8B en tareas de asistente. El 2B encaja en edge, móviles y CPU de portátil, compitiendo con Phi-3 Mini y Llama 3.2. El 27B compite con Llama 3 70B a un coste de inferencia mucho menor, sin necesitar hardware de 80 GB.

¿Funciona bien Gemma 2 en español sin fine-tuning?

Sí: la cobertura multilingüe es su punto diferencial más claro frente a Llama. En español la calidad es buena desde el primer momento, sin fine-tuning, y en comparaciones con Llama 3 de tamaño similar da resultados más consistentes. Además tiende a responder de forma directa y concisa, lo que facilita procesar sus respuestas programáticamente. Si tu proyecto tiene carga en idiomas distintos del inglés, Gemma 2 9B es una primera opción fuerte.

¿Cuáles son las limitaciones de Gemma 2 frente a Llama 3?

La ventana de contexto de 8K tokens es la más visible, frente a los 128K de Llama 3 o las extensiones de Mistral, así que para procesar documentos grandes pierde competitividad. La licencia de Google es permisiva pero no es Apache 2.0 ni MIT e incluye cláusulas de uso responsable. Y el ecosistema es más pequeño: menos fine-tunes públicos, menos variantes optimizadas y menos integraciones probadas que Llama 3.

Fuentes

  1. publicó Gemma 2 en junio de 2024
  2. el informe técnico del equipo Gemma
  3. una licencia específica de Google
  4. la propia página de Gemma 2 en Hugging Face