По сообщению Google от 3 июня 2026 г. Даты запуска, доступность функций и сравнительные результаты ниже относятся к этому сообщению и отражают данные разработчика. Первоисточник.
Представляем Gemma 4 12B: унифицированная мультимодальная модель без энкодеров. Gemma 4 12B разработана, чтобы приносить высокопроизводительную мультимодальную интеллектуальность прямо на ваш ноутбук, сочетая мобильную эффективность с продвинутыми возможностями рассуждения.
Директор по управлению продуктом, Google DeepMind
Сегодня мы представляем Gemma 4 12B, нашу новую модель, предназначенную для доставки агентных мультимодальных возможностей непосредственно на ноутбуки. Заполняя нишу между нашим ориентированным на пограничные устройства E4B и более мощной 26B Mixture of Experts (MoE), Gemma 4 12B упаковывает мощные возможности с уменьшенным объёмом памяти. Это также наша первая модель среднего размера с нативным вводом аудио.
Благодаря сообществу разработчиков, модели Gemma 4 были загружены более 150 миллионов раз. Вы создали всё: от носимых роботизированных рук для физической помощи до корпоративных систем ИИ‑безопасности. Нам интересно увидеть, что вы создадите с этой новой моделью.
Вот обзор того, чем Gemma 4 12B уникальна:
- Новая унифицированная архитектура: никаких мультимодальных энкодеров. Визуальные и аудиовходы поступают напрямую в LLM‑ядро.
- Продвинутое рассуждение: результаты на бенчмарках приближаются к нашей 26B модели, открывая мощное многошаговое рассуждение и агентные рабочие процессы.
- Готовность к работе на ноутбуке: достаточно мала, чтобы запускаться локально при всего 16 ГБ VRAM или объединённой памяти.
- Открытость и доступность: выпущена под лицензией Apache 2.0 с поддержкой в экосистеме разработчиков.
- Поддержка быстрого наброска: Gemma 4 12B оснащена Draft‑модулями с Multi‑Token Prediction (MTP) для снижения задержки.
В совокупности эти особенности приносят продвинутые мультимодальные возможности на повседневное оборудование без потери скорости или качества рассуждений. Теперь подробнее о том, как Gemma 4 12B этого добилась.
Запускайте передовые агенты локально
Gemma 4 12B демонстрирует производительность, приближающуюся к нашей более крупной 26B MoE‑модели на стандартных бенчмарках, но при общей занимаемой памяти менее чем вдвое. Достаточно мала для локального запуска на потребительских ноутбуках с 16 ГБ ОЗУ, что открывает мощные мультимодальные и агентные сценарии прямо на вашем устройстве.
Эффективная унифицированная архитектура
Что выделяет Gemma 4 12B — это упрощённый подход к обработке визуальных и аудиовходов. Традиционные мультимодальные модели обычно используют отдельные энкодеры для преобразования изображений и аудио перед передачей представлений языковой модели. Поскольку такие раздельные энкодеры добавляют задержку и увеличивают использование памяти, мы обучили Gemma 4 12B с архитектурой без энкодеров, чтобы интегрировать аудио и визуальные данные напрямую.
Вот как Gemma 4 12B нативно обрабатывает мультимодальные входы:
- Визуальное: мы заменили визуальный энкодер Gemma 4 лёгким модулем встраивания, состоящим из одной матричной умножения, позиционного встраивания и нормализаций. Это позволяет LLM‑ядру брать на себя обработку визуальной информации.
- Аудио: мы ещё больше упростили обработку аудио. Мы полностью убрали аудиоэнкодер и спроецировали необработанный аудиосигнал в ту же размерность, что и текстовые токены.
Для разработчиков, которые хотят подробностей, доступно сопроводительное руководство разработчика Gemma 4 12B.
Попробуйте сами:
- Экспериментируйте в пару кликов в LM Studio, Ollama, приложении Google AI Edge Gallery, приложении Google AI Edge Eloquent и в LiteRT‑LM CLI.
- Скачивайте предобученные и донастроенные контрольные точки напрямую с Hugging Face и Kaggle.
- Ознакомьтесь с документацией для разработчиков и ноутбуком для быстрого старта.
- Реализуйте локальные инференс‑пайплайны с Hugging Face Transformers, llama.cpp, MLX, SGLang и vLLM, или донастраивайте эффективно с Unsloth.
Откройте агентную разработку с Gemma Skills: чтобы поддержать агентов в работе с последними возможностями Gemma, мы выпускаем официальный репозиторий Skills. Это библиотека умений, специально предназначенная для работы агентов с моделями Gemma.
Деплой на ваш лад: разворачивайте эндпоинты в продакшн с помощью Google Cloud. Развёртывайте через Gemini Enterprise Agent Platform Model Garden, Cloud Run и GKE.
Gemini 4 Argon теперь доступен для разработчиков.
EmbeddingGemma 2: открытая лёгкая мультимодальная модель встраиваний.
Создавайте приложения с голосом в реальном времени с Gemini 3.8 Live и 3.5 Transcribe.
Последние новости ИИ, которые мы анонсировали в августе 2026 года:
Сочетание Google Antigravity с Gemini 3.7 Flash решает заметные задачи по многопользовательской математике и инженерии.