プロダクト

Gemma

Google が公開するオープンな LLM。Kurage シリーズでは Gemma 4 12B をローカル頭脳として広く採用している。

Gemma は google が公開するオープンな LLM（大規模言語モデル）です。Kurage シリーズでは主に Gemma 4 / Gemma 4 12B が使われ、外部のAI事業者にデータを送らずに済む「ローカルLLM」として各プロダクトの頭脳・調査役を担っています。公開リポジトリ群（kurage-repos）の README では、Ollama 用のモデルタグ gemma4:12b-it-qat が「本番で使用するモデル」「既定のLLM」としてたびたび明記されており、Kurage のローカルLLM運用は実質このモデルを標準としています。各製品のLP（kurage-lps）でも「ローカル Gemma 4」「ローカルLLMで完結」という点がセールスポイントとして明記され、小型ながら高い性能を持つ、kurage-platform の中心的モデルです。

Kurageシリーズでの使われ方

LP・READMEで確認できる採用例:

karchitect — システム設計書の対話生成をローカルの Gemma 4 12B で実行。README でも「ローカルの Gemma 4 12B と相談しながら」設計書を育てると明記され、アイデアが外部AI事業者に送られない設計。
kcbrain — 暗号資産判断API。有料レールは DeepSeek だが、LPでは「ローカルGemma 4 12Bも設定で選択可」と明記。
kfxbrain — FX向け構造化判断API。README で Ollama に gemma4:12b-it-qat が必要と明記。TradingAgents / FinGPT / AI Hedge Fund / FinRobot / FinMem のLLM輸送層を Gemma 4 へ差し替える構成。
kfreqai — ローカル gemma が毎時、価格モメンタム・出来高・ボラティリティから地合いを判定。
kfxai — 差し替え式の判断レイヤーとしてローカル Gemma 4（Ollama）を利用可能。障害時はルールへ安全にフォールバックする。
kproofread — 化学試験結果報告書の照査。本番環境ではこのマシンの Ollama OpenAI 互換APIと gemma4:12b-it-qat を使用し、LLMには抽出テキストだけを渡して元ファイルを外部LLMへ送信しない。
ksbrain — 日本株インテリジェンスAPI。証拠IDに基づき、Gemma 4 が入力済み証拠だけを評価して不足も返却。
kseo — 日本語サイト向け技術SEO診断。判定は決定論的チェックに徹し、改善案の文章生成だけにLLMを使用。無料枠と管理者は gemma4、課金された実行は DeepSeek という振り分け。
kzabbix — Zabbix障害調査をローカルGPU上の Gemma 4 12B で実行。機密ログを外部に出さない。
kurl2gr — サイト理解・記事化を自社GPU上の Gemma 4（rqdb4ai のホスト別キュー経由でGPU競合を避ける）または DeepSeek で実行。
url2brain — URL解析・SNS告知文・ブログ記事生成の既定LLMとして gemma4:12b-it-qat（ローカルOllama）を使用。URL2BRAIN_LLM_PROVIDER=deepseek で DeepSeek に切替可能。
openkb（自社ナレッジAI相談窓口） — gemma4 12b を「コンパイル」役、deepseek を「回答」役として使い分け。知識の整理と回答生成で役割を分離。
固有名詞SEO自動化 — ローカル gemma を ollama 経由で使い、短編映画などの固有名詞を抽出して検索流入を生む記事を自動生成。ai-search-optimization の実践例。

無料枠・管理者はGemma、課金はDeepSeekという振り分け

公開README群を横断すると、Kurage のLLM振り分けに一貫したパターンが見えます。無料枠・管理者・自社GPU実行はローカルの Gemma 4（gemma4:12b-it-qat）、課金ユーザー・一般ユーザーの実行は DeepSeek という組み合わせです。kseo は「無料枠と管理者は gemma4、課金された実行は DeepSeek」、kurl2gr は「サイトの理解と記事化は自社GPU上の Gemma 4、または DeepSeek」、url2brain は「既定は gemma4、URL2BRAIN_LLM_PROVIDER=deepseek で切替」と明記しています。判断系APIでも同様の構図（kcbrain は有料レールを DeepSeek、ローカル Gemma 4 を選択肢として併記）が見られ、コストとデータ保持のバランスを取る運用思想が表れています。

技術的特徴と最適化

Gemma 4 はローカル実行を強く意識したモデルです。技術ブログのai-news速報や技術解説では、以下のような特性がたびたび取り上げられています。

QAT（量子化認識トレーニング）と KV キャッシュ量子化 — これらによりローカルLLMの性能が飛躍的に向上。Kurage 各プロダクトが使う gemma4:12b-it-qat もこの恩恵を受けた実用バリアントといえます。
Gemma 4 E2B — WebGPU を使いブラウザ上で高速動作。サーバーレスでの利用も可能に。
llama.cpp / Apple Silicon 対応 — Mac 上でも実用的な速度で動作し、ローカルAI環境の進化を牽引。
DiffusionGemma — PyTorch で読む次世代オープンモデルとして言及され、拡散モデルとLLMの融合という新しい潮流を示す。
小型モデルによる競争領域の拡大 — Claude や Cohere が警告する「AIの壁」に対し、Gemma など小型モデルが新たな競争領域を切り開くと報じられています。
思考型モデルとしての運用上の特徴 — Gemma 4 は思考型モデルのため、karchitect や kfxbrain の README は Ollama API へ必ず "think": false を指定すると明記しています。余計な思考出力を省き、APIとして確実に応答を返すための運用上の約束事です。

エージェント・動画生成との関係

Gemma は単なるチャット用途に留まらず、ai-agentの頭脳としても活用されています。OpenEnv と Gemma 4 が「AIエージェントの進化とWeb3の融合」を牽引する存在としてニュースで取り上げられたり、ローカルLLMベースのエージェント基盤としてollamaと組み合わせて使われるケースが増えています。また、ai-video-pipelineや3Dアバターを使ったローカルAI進化の解説にも登場し、Kurage のメディア運用・プロダクト開発の両面で欠かせないモデルです。

設計思想との関係

Gemma の採用は、Kurage シリーズ全体の local-llm 重視の姿勢を象徴しています。トレード戦略・障害ログ・設計アイデア・ナレッジ・試験報告書といった機微情報をクラウドLLMへ送らず、自前で完結させることで、trust-boundary を守っています。kproofread が「LLMには抽出テキストだけを渡し、元ファイルを外部LLMへ送信しない」と明記するのもこの思想の現れです。各LP・READMEでも「外部のAI事業者に送信されない」「ローカルLLMで完結」という表現が繰り返し使われており、この設計思想は karchitect や kzabbix などにも共通します。また各プロダクトは ollama を介して Gemma を組み込んでおり、oss としての再利用性とも親和性が高い構成です。ブラウザやエッジでも動く拡張性は、今後の軽量AIエージェント基盤としての可能性も感じさせます。