Gemma 4 w szkołach: lokalny model AI, który nie potrzebuje internetu

Dlaczego to ważne, dla kogo i jak sprawić, żeby zadziałało

To nie kolejne narzędzie w chmurze. To coś innego.

2 kwietnia 2026 roku Google DeepMind udostępniło Gemmę 4 — i tym razem naprawdę coś się zmieniło. Nie chodzi tylko o wyniki w benchmarkach, choć i te robią wrażenie. Zmiana jest bardziej fundamentalna: bardzo dobry, multimodalny model językowy mieści się teraz wygodnie na laptopie nauczyciela i nie wymaga połączenia z internetem.

Przez trzy lata dyskusja o AI w szkołach kręciła się wokół ChatGPT i Gemini — narzędzi chmurowych, które wymagają zakładania kont, zbierają dane, budzą pytania o RODO i zależą od stabilnego WiFi w trakcie lekcji. Gemma 4 wychodzi z zupełnie innego założenia: pobierasz model raz, instalujesz go lokalnie i działa — na szkolnym serwerze, na laptopie w klasie, w pracowni komputerowej bez WiFi, na Raspberry Pi w bibliotece.

Ten artykuł nie jest instrukcją instalacji krok po kroku — od tego jest dokumentacja. To próba odpowiedzi na pytanie, które powinno paść przed instalacją: po co właściwie szkole lokalny model językowy i jak można go mądrze wykorzystać?

Czym jest Gemma 4 i co potrafi

Gemma to rodzina modeli open-weight od Google DeepMind — czyli takich, których wagi pobierasz i uruchamiasz na własnym sprzęcie. Gemini (to zintegrowane z Google Workspace) zostaje w chmurze Google. Gemma to jej lżejszy, lokalny kuzyn zbudowany na tej samej technologii.

Cztery rozmiary, cztery scenariusze

Gemma 4 występuje w czterech wariantach. Przedrostek „E” przy mniejszych modelach oznacza „effective parameters” (parametry efektywne) — są one wydajniejsze, niż sugerowałaby sama liczba parametrów:

Co Gemma 4 naprawdę potrafi

Wszystkie warianty Gemmy 4 są multimodalne od podstaw — nie przez opcjonalne wtyczki:

• Tekst: generowanie, streszczanie, tłumaczenie (ponad 140 języków), korekta, rozmowa, odpowiadanie na pytania
• Obrazy: OCR (odczyt tekstu ze zdjęć), analiza wykresów, rozumienie dokumentów, wykrywanie obiektów, opisy
• Dźwięk (E2B/E4B): rozpoznawanie mowy offline — do 30 sekund nagrania, bez wywołania API
• Wideo (26B/31B): analiza nagrań do 60 sekund, 1 klatka na sekundę
• Kod: generowanie, uzupełnianie, debugowanie — ogromny skok jakości względem Gemmy 3
• Rozumowanie: wbudowany tryb myślenia krok po kroku, który model może uruchomić przed odpowiedzią

Okno kontekstu to kolejna zaskakująca liczba: model E4B obsługuje 128 000 tokenów — to odpowiednik całej szkolnej lektury z przypisami wczytanej naraz do jednego prompta.

Dlaczego „lokalnie” ma w szkole znaczenie

Zanim przejdziemy do zastosowań, warto zatrzymać się nad pytaniem, które rzadko pada wprost: po co w ogóle rozważać model lokalny, skoro Gemini i ChatGPT są dostępne przez przeglądarkę?

Argument 1: RODO i dane uczniów

Każde zapytanie wysłane do ChatGPT czy Gemini trafia na serwery OpenAI lub Google. Jeśli nauczyciel wkleja do prompta fragmenty prac uczniów, wyniki sprawdzianów albo opisy trudnych sytuacji wychowawczych — te dane opuszczają szkołę i wchodzą do łańcucha przetwarzania. Gemma działająca lokalnie nie wysyła niczego poza sieć szkolną. Dane uczniów zostają w szkole.

To nie paranoja — to wymóg RODO przy przetwarzaniu danych osobowych uczniów. Szkoła jako administrator danych powinna wiedzieć, dokąd trafiają informacje o jej podopiecznych.

Argument 2: Dostępność bez internetu

Ćwiczenie z AI w pracowni, w której WiFi wysiada co drugą lekcję? Wycieczka z tabletami i bez zasięgu? Wiejska szkoła z asymetrycznym łączem, które pada, gdy 30 uczniów jest online jednocześnie? Model lokalny nie zna tych problemów. Pobrany raz, działa zawsze.

Argument 3: Kontrola i dostosowanie

Model lokalny można dostroić (fine-tuning) na własnych danych szkoły. Można go skonfigurować tak, żeby odpowiadał wyłącznie na pytania zgodne z podstawą programową fizyki dla klasy 7. Można go wpiąć w szkolną aplikację, dziennik elektroniczny albo asystenta bibliotecznego. Przy ChatGPT jesteś klientem API. Przy Gemmie to Ty jesteś właścicielem modelu.

Argument 4: Koszt przy skali

Gemma 4 jest darmowa. Licencja Apache 2.0. Żadnych opłat za zapytanie, żadnego miesięcznego abonamentu, żadnych limitów wywołań. Szkoła obsługująca 750 uczniów, którzy zadają pytania przez cały rok szkolny, płaci za dostęp do modelu zero — tylko za sprzęt, na którym on działa.

Gemma 4 vs. Gemini vs. ChatGPT — mapa decyzji

Zamiast ogólnego porównania, oto konkretne scenariusze szkolne z rekomendacją, które narzędzie pasuje lepiej:

Wniosek jest prosty: Gemma nie konkuruje z Gemini — ona je uzupełnia. Gemini świetnie sprawdza się jako asystent wewnątrz Google Workspace. Gemma świetnie sprawdza się tam, gdzie dane są wrażliwe, internet zawodzi albo szkoła chce własnej, konfigurowalnej infrastruktury AI.

Zastosowania: co naprawdę można zrobić w klasie

1. Asystent nauczyciela do materiałów dydaktycznych

Nauczyciel fizyki chce wygenerować 20 pytań testowych na poziomie klasy 7 na podstawie własnych notatek. Wgrywa PDF ze scenariuszem lekcji (OCR działa nawet przy odręcznych notatkach), podaje polecenie i 30 sekund później ma bank pytań — offline, bez konta, bez wysyłania materiałów na zewnątrz.

To samo dotyczy różnicowania: ten sam materiał przepisany na trzy poziomy trudności. Albo przetłumaczony na ukraiński dla ucznia z doświadczeniem migracji.

You are a teaching assistant in a Polish primary school.
Your tasks:
- Generate test questions and homework based on provided materials.
- Adapt difficulty level to the indicated year group (Years 5–8).
- Always respond in English unless the teacher requests otherwise.
- Never create content that could harm students.
- Do not comment on your technical limitations or architecture.

2. Asystent ucznia — bez konta, bez rejestracji

Google AI Edge Gallery to darmowa aplikacja na Androida, która uruchamia Gemmę 4 E4B lokalnie na telefonie. Uczeń pobiera aplikację i model (ok. 3 GB) i ma korepetytora z matematyki, języka albo historii — bez konta, bez zbierania danych, działającego w metrze bez zasięgu.

To ma znaczenie: ChatGPT i Gemini wymagają rejestracji, co jest prawnie problematyczne dla uczniów poniżej 13. roku życia (RODO, różne krajowe przepisy o ochronie danych). Gemma działająca lokalnie nie ma konta — to narzędzie jak kalkulator.

3. Transkrypcja i analiza audio

Modele E2B i E4B obsługują do 30 sekund nagrania bez połączenia z siecią. Praktyczne zastosowania: nauczyciel nagrywa telefonem ustną odpowiedź ucznia i dostaje transkrypcję do oceny; szkoła nagrywa minutę lekcji i dostaje streszczenie; uczeń z dysleksją dyktuje zamiast pisać.

To nie jest wielki wyczyn techniczny — ale dla klasy z jednym dzieckiem, które ma poważne trudności z pisaniem, potrafi zmienić jakość całego roku.

4. Analiza obrazu i dokumentów (OCR)

Gemma 4 odczytuje tekst z obrazów z bardzo wysoką dokładnością — również pismo odręczne. Scenariusze szkolne: skan sprawdzianu → automatyczna informacja zwrotna; zdjęcie tablicy z notatkami → czysty tekst do streszczenia; zdjęcie ćwiczenia z podręcznika → wyjaśnienie krok po kroku.

Wariant zaawansowany: model 26B działający na serwerze szkolnym, dostępny przez interfejs webowy — nauczyciel wgrywa całe portfolio prac ucznia z semestru (PDF) i pyta: „Wskaż trzy obszary, w których Mateusz zrobił największe postępy, i dwa, w których potrzebuje wsparcia”.

5. Lokalny chatbot szkolny (RAG)

RAG (Retrieval-Augmented Generation) to technika łącząca model językowy z własną bazą wiedzy. Szkoła ładuje do bazy dokumenty: statut szkoły, plan lekcji, zajęcia dodatkowe, FAQ dla rodziców. Model dostaje pytanie od rodzica i szuka odpowiedzi w tych dokumentach — nie w internecie, nie w danych treningowych, tylko w tym, co udostępniła szkoła.

Efekt: chatbot na stronie szkoły, który odpowiada na pytania rodziców o godziny dyżurów, wycieczki i zapisy na kółka — całą dobę, w odpowiednim języku, z prawdziwymi informacjami, bez zmyślania.

6. Narzędzie na TechLab i lekcje informatyki

Gemma 4 to świetny materiał dydaktyczny dla uczniów zainteresowanych AI. Zamiast „używać AI”, uczniowie mogą zobaczyć, jak to działa od środka: pobrać model przez Ollama, uruchomić go w terminalu, napisać prosty skrypt w Pythonie wysyłający zapytania, porównać odpowiedzi przy różnych system promptach.

To nie jest abstrakcja. To konkretna technologia, której wagi można pobrać, przejrzeć i dostroić. Różnica między „używam AI” a „rozumiem, czym jest model językowy” zaczyna się właśnie tutaj.

Infrastruktura: jak to postawić w szkole

Scenariusz A: laptop nauczyciela (najprostsza droga)

Narzędzie: Ollama — darmowe, działa na macOS, Windows i Linux, instaluje się jak zwykła aplikacja.

# macOS / Linux — install Ollama
curl -fsSL https://ollama.com/install.sh | sh

# Download and run Gemma 4 E4B
ollama run gemma4:e4b

# Alternatively via LM Studio (GUI, recommended for teachers):
# 1. Download LM Studio from lmstudio.ai
# 2. Search for "gemma-4-e4b-it" in the model catalogue
# 3. Click Download → Load → Chat

Scenariusz B: serwer szkolny dla całej szkoły

Model 26B-A4B działający na jednej maszynie z 16–32 GB RAM, dostępny przez sieć lokalną. Wszyscy nauczyciele korzystają z niego przez przeglądarkę — bez instalacji na stanowiskach końcowych.

Scenariusz C: telefony i tablety uczniów

Google AI Edge Gallery (aplikacja na Androida, instalacja z pliku APK — sideloading) uruchamia model E2B lub E4B lokalnie na telefonie. Minimalne wymagania: 8 GB RAM i chipset Snapdragon 8 Gen 3, Dimensity 9300 albo Apple A17 Pro.

Na iPhone’ach i urządzeniach z układami serii M (iPad Pro, MacBook) model E4B działa przez aplikacje takie jak LM Studio czy Enchanted. To realny scenariusz dla szkół w modelu BYOD.

Scenariusz D: Raspberry Pi w szkolnej bibliotece

Brzmi jak ciekawostka, ale ma sens: Raspberry Pi 5 (4 GB RAM) uruchamia model E2B z prędkością ok. 5–10 tokenów/sekundę. Wystarczy do prostego kiosku informacyjnego, asystenta bibliotecznego albo terminala dostępowego dla uczniów bez własnych urządzeń.

# On Raspberry Pi 5 with Raspberry Pi OS (arm64)
curl -fsSL https://ollama.com/install.sh | sh
ollama run gemma4:e2b

# Web interface available on the local network on port 3000:
docker run -d -p 3000:8080 \
  -e OLLAMA_BASE_URL=http://localhost:11434 \
  --name open-webui \
  ghcr.io/open-webui/open-webui:main

Ograniczenia i pytania, których nie warto pomijać

W czym Gemma 4 wypada słabo

Uczciwe ograniczenia:

• Wiedza ma datę graniczną: styczeń 2025. Model nie wie o wydarzeniach po tej dacie. Zapytany o bieżące wiadomości, jeśli nie zostanie o tym uprzedzony, nie powie, że nie wie — po prostu może się mylić. To ma znaczenie na lekcjach wiedzy o społeczeństwie albo historii najnowszej.
• Halucynacje: jak każdy LLM, Gemma potrafi z pełnym przekonaniem twierdzić rzeczy nieprawdziwe. Uczniowie muszą rozumieć, że model językowy nie jest encyklopedią — to narzędzie do myślenia, a nie system weryfikacji faktów.
• Brak dostępu do internetu to funkcja, nie usterka: ale oznacza to, że model nie wystarczy do zadań wymagających aktualnych danych.
• Jakość na słabym sprzęcie: model E4B na 8 GB RAM jest dobry, ale to nie Gemini Ultra. Do złożonych, wieloetapowych analiz lepiej sięgnąć po model 26B albo po chmurę.

Pytania etyczne, które szkoła powinna sobie zadać

Wdrożenie AI w szkole — lokalnej czy chmurowej — wymaga odpowiedzi na kilka pytań, które ważą więcej niż architektura techniczna:

1. Czy uczniowie wiedzą, że rozmawiają z AI? Transparentność jest fundamentalna — nie tylko prawnie, ale i pedagogicznie.
2. Gdzie kończy się wsparcie, a zaczyna zastępowanie? Model, który pisze za ucznia wypracowanie, nie służy edukacji. Model, który pomaga uporządkować myśl — jak najbardziej.
3. Jak oceniać pracę wspieraną przez AI? Szkoła potrzebuje jasnej polityki, zanim nauczyciel natknie się na pierwszy problem.
4. Kto ma dostęp do zapisów rozmów? Nawet lokalnie — jeśli Open WebUI zapisuje historię czatu, to są dane osobowe. Potrzebna jest procedura i podstawa prawna.

Jak zacząć: mapa drogowa

Podsumowanie

Gemma 4 nie jest rewolucją w edukacji. Rewolucją będzie to, co z tym narzędziem zrobimy — albo czego nie zrobimy.

Lokalny model językowy rozwiązuje konkretne problemy szkoły: wrażliwe dane uczniów, brak internetu, koszt przy skali, zależność od zewnętrznych dostawców. Nie rozwiązuje pytań o sens AI w edukacji — te każda szkoła musi zadać sobie sama.

Gemma 4 E4B na laptopie nauczyciela albo Mac Mini z modelem 26B w serwerowni to infrastruktura, którą każda szkoła może wdrożyć za cenę jednego nowego projektora. Pytanie nie brzmi „czy nas na to stać?”. Pytanie brzmi: „Czy wiemy, do czego chcemy tego użyć?”

I to jest pytanie, od którego warto zacząć — jeszcze przed pierwszym ollama pull.