Google DeepMind·· 2026-06-09精选AI 评分80
Google DeepMind 发布 Gemma 4 12B 多模态模型
Introducing Gemma 4 12B: a unified, encoder-free multimodal model
AI 导读
Google DeepMind 发布 Gemma 4 12B，这是首款支持原生音频输入的中规模模型。它采用无编码器架构，视觉和音频输入直接流入LLM骨干网络。模型可在16GB VRAM的笔记本上运行，性能接近更大的26B MoE模型，并配备MTP草稿器以降低延迟。该模型以Apache 2.0许可证开源，Hugging Face和Kaggle已提供权重下载。
推荐理由
原生音频输入和无编码器架构让它在16GB显存的笔记本上即可运行，适合本地Agent开发。
来源：Google DeepMind · deepmind.google