谷歌 DeepMind 发布 Gemma 4 12B：无需编码器的统一多模态模型

谷歌DeepMind宣布推出Gemma 4 12B，这是一款统一多模态模型，无需专用编码器处理视觉和音频输入，而是由LLM骨干直接处理。该模型专为在配备16GB显存或统一内存的消费级笔记本电脑上本地运行而设计，在显著降低内存占用的同时，性能接近更大的26B MoE模型。其核心特性包括原生音频输入、用于降低延迟的多令牌预测起草器，以及采用Apache 2.0许可证。该模型已在Hugging Face和Kaggle平台开放下载，并支持与LM Studio、Ollama及谷歌云（Google Cloud）等工具集成。截至目前，Gemma 4系列模型的下载量已突破1.5亿次。