Google Releases Open-Source Gemma 4 12B Multimodal Model

•Gemma 4 12B採用創新的「編碼器自由」(encoder-free) 統一架構，將多模態數據（視覺和音訊）直接饋入大型語言模型主幹，顯著降低了傳統多模態模型中常見的延遲和記憶體佔用。
•這是Gemma系列中首個中型模型，能夠原生處理音訊輸入，並支援透過處理影格來理解影片內容，擴展了其多模態能力。
•Gemma 4 12B在Apache 2.0許可證下發布，這是一個寬鬆的開源許可證，允許商業使用、修改、分發和再授權，為開發者和企業提供了更大的靈活性，避免了早期Gemma版本中較為模糊的條款。
•該模型支援代理工作流程(agentic workflows)和原生函數調用，並包含一個「思考模式」(thinking mode)，能夠進行逐步推理，使其在複雜任務中表現更為強大。
•Google為Gemma 4 12B發布了可下載的macOS桌面應用程式，讓開發者可以直接在消費級Apple Silicon設備上體驗完全本地化的語音和視覺互動。

本地AI應用將加速普及並變得更加複雜。

Gemma 4 12B的編碼器自由多模態架構和低記憶體需求，使其能在消費級硬體上高效運行，將推動更多具備視覺和音訊理解能力的本地AI應用開發。

企業將能更安全地部署多模態AI解決方案。

Apache 2.0開源許可證允許商業使用和本地執行，使得企業能夠在不將敏感數據傳輸到雲端的情況下，處理多模態數據，滿足嚴格的隱私和合規性要求。

多模態模型架構設計將朝向更精簡、更整合的方向發展。

Gemma 4 12B的編碼器自由架構證明了在不犧牲性能的前提下，可以大幅減少多模態處理的延遲和記憶體佔用，這可能引導未來模型設計的趨勢。

2024-02

Google首次發布Gemma系列模型，包含2B和7B兩種尺寸。

2024-04

Google發布Gemma 1.1，帶來性能改進和錯誤修復，並推出CodeGemma和RecurrentGemma變體。

2024-06

Google發布Gemma 2，包含9B和27B兩種尺寸，性能更高且推理效率更佳。

2025-03

Google發布Gemma 3，提供1B、4B、12B和27B等多種尺寸。

2026-03

Google發布Gemma 4系列模型，包括E2B、E4B、31B和26B A4B尺寸。

2026-06

Google發布Gemma 4 12B統一多模態模型，具備編碼器自由架構和本地運行能力。

Google 發布開源 Gemma 4 12B 多模態模型