小型モデルが実現する長文脈と音声処理

エッジ向けの小型モデルは、単に動作が軽いだけでなく、実務に耐えうる高度な機能も兼ね備えるよう進化しています。Gemma 4のE2BおよびE4Bモデルは、小型でありながら最大12万8000（128K）トークンという非常に長いコンテキストウィンドウ（文脈長）をサポートしています。これにより、数百ページに及ぶ分厚いPDFマニュアルや長文の社内規定を、手元のノートPC内で安全に読み込ませて情報抽出することが可能です。

さらに特筆すべきは、これらの小型モデルがテキストだけでなく、ネイティブで「音声入力」に対応している点です。最大30秒の音声を直接モデルに入力し、自動音声認識（ASR）による文字起こしや、音声から別の言語への翻訳テキスト出力などをローカル環境で完結させることができます。

例えば、営業担当者が商談の録音データをクラウドに上げることなく、手元の端末だけで高精度に要約を行うといった、セキュアな業務自動化シナリオが実現します。ローカル推論のマルチモーダル化と長文脈対応は、機密業務におけるAIの適用範囲を飛躍的に広げます。