Gemma 4 12B：一种统一的、无需编码器的多模态模型
Gemma 4 12B 是 Google 发布的一款统一架构、无需独立视觉编码器的多模态大语言模型（LLM）。该模型直接处理图像与文本输入，无需传统视觉编码器，简化了多模态推理流程。基于 12B 参数规模，Gemma 4 12B 面向开发者工具生态开放。目前其具体 benchmark 分数、上下文窗口、价格及开源/API 可用性等细节尚未披露。
我觉得Gemma 4 12B最大的变化不是参数大小，而是第一次在开源模型里把多模态直接交给LLM主干处理，没有单独的视觉编码器，这意味着本地多模态应用的延迟和内存占用都会大幅下降，对于在笔记本上做Agent的开发者，这是一个必试的版本。
Gemma 4 12B 旨在将高性能多模态智能直接带到你的笔记本电脑上，将移动优先的效率与先进的推理能力融为一体。
Olivier Lacombe
Google Deepmind 产品管理总监
Gus Martins
今天，我们推出 Gemma 4 12B，这是我们最新的模型，旨在将智能体式多模态智能直接带到笔记本电脑上。它弥合了我们面向边缘设备的 E4B 与更先进的 26B 混合专家（MoE）模型之间的差距，将强大的能力封装在更小的内存占用之中。它也是我们首个支持原生音频输入的中等规模模型。
多亏了开发者社区，Gemma 4 模型的下载量如今已突破 1.5 亿次。你们构建了从用于身体辅助的可穿戴机械臂到企业级 AI 安全的各种应用。我们很期待看到你们用这一最新成员构建出什么。
以下是 Gemma 4 12B 独特之处的概览：
- 新颖的统一架构：没有多模态编码器。视觉和音频输入直接流入 LLM 主干。
- 高级推理：基准测试性能接近我们的 26B 模型，解锁强大的多步推理和智能体工作流。
- 笔记本可运行：体积足够小，仅需 16GB 的 VRAM 或统一内存即可在本地运行。
- 开放且易获取：以 Apache 2.0 许可证发布，并获得整个开发者生态系统的支持。
- 草稿模型就绪：Gemma 4 12B 配备了多 Token 预测（MTP）草稿模型，以降低延迟。
这些特性共同将先进的多模态能力带到日常硬件上，同时不牺牲速度或推理能力。接下来，让我们深入了解 Gemma 4 12B 是如何实现这一点的。
在本地运行最先进的智能体
Gemma 4 12B 在标准基准测试上的性能接近我们更大的 26B MoE 模型，但总内存占用不到后者的一半。它足够小，可以在配备 16GB 内存的消费级笔记本上本地运行，让你的机器直接解锁强大的多模态和智能体体验。
体验独特高效的统一架构
Gemma 4 12B 的突出之处在于其处理视觉和音频输入的简化方式。传统的多模态模型通常依赖独立的编码器来转换图像和音频，然后再将这些表示传递给语言模型。由于这些分离的编码器会增加延迟并提高内存占用，我们以无编码器架构训练了 Gemma 4 12B，以直接集成音频和视觉输入。
以下是 Gemma 4 12B 原生处理多模态输入的方式：
- 视觉：我们用轻量级嵌入向量模块替换了 Gemma 4 的视觉编码器，该模块由单次矩阵乘法、位置嵌入和归一化组成。这使得 LLM 主干网络能够接管视觉处理。
- 音频：我们进一步简化了音频处理。我们完全移除了音频编码器，将原始音频信号投影到与文本 token 相同的维度空间。
想要深入了解的开发者，请前往我们的配套 Gemma 4 12B 开发者指南。
立即开始
- 亲自尝试：在 LM Studio、Ollama、Google AI Edge Gallery App、Google AI Edge Eloquent 应用和 LiteRT-LM CLI 中点击几下即可体验
- 下载权重：直接从 Hugging Face 和 Kaggle 下载预训练和指令微调的检查点。
- 集成与学习：查阅开发者文档和快速入门 notebook。
- 使用你喜爱的开发工具：使用 Hugging Face Transformers、llama.cpp、MLX、SGLang 和 vLLM 实现本地推理流水线，或使用 Unsloth 高效地进行微调。
- 用 Gemma Skills 解锁智能体开发：为了支持智能体基于最新的 Gemma 进展进行构建，我们发布了官方技能仓库。这是一个专为让智能体能够使用 Gemma 模型进行构建而设计的技能库。
- 按你的方式部署：使用 Google Cloud 在生产环境中启动端点。通过 Gemini Enterprise Agent Platform Model Garden、Cloud Run 和 GKE 按你的方式部署。
来源：Hacker News 热门（buzzing.cc 中文翻译） · blog.google