Gemma 4 12B 開放模型釋出，16GB VRM 筆電就能跑

在開發者社群的支持下，開放模型 Gemma 4 系列下載量突破 1.5 億次。Google DeepMind 3 日進一步發表最新版本 Gemma 4 12B，能將代理式多模態能力帶到一般筆電上。

Gemma 4 12B 能夠原生處理文字、影像及音訊，無需額外的編碼器，因此可降低處理時間、記憶體用量及延遲。

Google 指出，Gemma 4 12B 只需要 16GB VRM 或統一記憶體就能在本機端運行，而在各項基準測試的表現幾乎與 260 億參數規模、約兩倍大小的 Gemma 4 26B 相當。此外，Gemma 4 12B 也是首款支援原生音訊處理的 Gemma 模型。

Gemma 4 12B 能夠執行語音辨識、程式碼生成以及影片分析等任務，根據開發者指南所述，這款模型可以透過同時分析影格和音訊的方式，解析長達數分鐘的影片內容。

Gemma 4 12B 介於適用在邊緣裝置的 Gemma 4 E4B 和更先進的 Gemma 4 26B MoE 之間，將強大的能力打包進更精簡的記憶體占用空間中，並且具備原生音訊輸入功能，將以 Apache 2.0 授權釋出，以獲得開發者生態系的支持。

• Google’s new open source Gemma 4 12B analyzes audio, video — and runs entirely locally on a typical 16GB enterprise laptop

（首圖來源：Google Blog）