机器之心 微信公众号 行业动态

发布：2026-06-05 07:17:14 · 事件：2026-06-05 07:17:14

机器之心编辑部 在下载量突破 1.5 亿次之际，谷歌 Gemma 4 系列模型迎来了新的家族成员！ 今天，谷歌正式推出 Gemma 4 12B ，目标是把具备智能体能力的多模态智能，直接带到笔记本电脑上。 根据介绍，Gemma 4 12B 介于面向边缘设备的 E4B 与能力更强的 26B 混合专家模型（MoE）之间，在更小的内存占用下提供了强大的能力。 另外，Gemma 4 12B 也是 谷歌首个支持原生音频输入的中等规模模型 。

数据安全材料

机器之心编辑部 在下载量突破 1.5 亿次之际，谷歌 Gemma 4 系列模型迎来了新的家族成员！ 今天，谷歌正式推出  Gemma 4 12B ，目标是把具备智能体能力的多模态智能，直接带到笔记本电脑上。 根据介绍，Gemma 4 12B 介于面向边缘设备的 E4B 与能力更强的 26B 混合专家模型（MoE）之间，在更小的内存占用下提供了强大的能力。 另外，Gemma 4 12B 也是 谷歌首个支持原生音频输入的中等规模模型 。 谷歌 DeepMind 创始人兼 CEO 哈萨比斯，「为庆祝 Gemma 4 下载量突破 1.5 亿次这一重要里程碑，谷歌发布了全新的 Gemma 4 12B 模型！对于这样一个小尺寸模型来说，它的能力非常强大；同时，它也足够轻量，只需 16GB 显存，就能在笔记本电脑上本地运行。」 大家可以用它构建了各种各样的应用，从用于物理辅助的可穿戴机器人手臂，到企业级 AI 安全系统。谷歌也期待看到开发者用这款最新模型创造出更多可能。 此次，Gemma 4 12B 模型具有以下几大特性： 全新的统一架构 ：不再使用多模态编码器，视觉和音频输入可以直接进入 LLM 主干网络。  更强的推理能力 ：在基准测试中的表现接近谷歌的 26B 模型，能够支持强大的多步推理和智能体工作流。  适合笔记本本地运行 ：模型规模足够小，只需要 16GB 显存或统一内存即可在本地运行。  开放且易于获取 ：采用 Apache 2.0 许可证发布，并支持广泛的开发者生态。  支持草稿模型加速 ：Gemma 4 12B 配备了多 Token 预测（MTP）草稿模型，可用于降低延迟。 目前，用户可以通过 LM Studio、Ollama、Google AI Edge Gallery App、Google AI Edge Eloquent App 以及 LiteRT-LM CLI 等渠道进行试用。 在 GPQA Diamond、BBEH、MMLU Pro、LiveCode Bench、DocVQA、InfoVQA、MMMU Pro 和 MRC v2.8 needle 128k（average）等一系列基准测试中， Gemma 4 12B 的表现接近谷歌更大的 26B MoE 模型，但整体内存占用不到后者的一半 。 并且，它的规模足够小，可以在配备  16GB 内存的消费级笔记本电脑 上本地运行，从而把强大的多模态体验和智能体能力带到你的个人设备上。 有人在一张 RTX 4090 上本地运行了 Gemma 4 12B 和 Gemma 4 26B-A4B，并给它们布置了同一个任务：在不使用任何库的情况下，用单个文件写出一个自包含的 HTML5 Canvas 动画，并加入真实物理效果。测试包含三个场景：高尔顿板、两个方块与墙面碰撞，以及混沌三重摆。输出结果如下： Gemma 4 26B-A4B：占用 15GB 显存，生成 6.9k tokens，速度 138 tokens/s Gemma 4 12B：占用 9GB 显存，生成 8.9k tokens，速度 80 tokens/s 同属 Gemma 4 家族，但 26B-A4B 在三个场景中都胜出，而且运行速度快了约 1.7 倍，它的活跃参数量只有 4B。不过，12B 的表现也非常接近，同时显存占用几乎只有一半。这也让它成为 16GB 笔记本上的理想本地模型。 另外， Gemma 4 12B 最突出的地方在于，它处理视觉和音频输入的方式更加精简 。 传统多模态模型通常依赖独立编码器，先把图像和音频转换成模型可理解的表示，再传递给语言模型。但这些分离式编码器会带来额外延迟，也会增加内存占用。因此，谷歌在训练 Gemma 4 12B 时采用了无编码器架构，让音频和视觉输入能够直接整合进模型。 Gemma 4 12B 原生处理多模态输入的方式如下： 视觉：谷歌用一个轻量级嵌入模块替代了 Gemma 4 的视觉编码器。这个模块由一次矩阵乘法、位置嵌入和归一化组成，让 LLM 主干网络接管视觉处理。  音频：音频处理进一步简化。谷歌完全移除了音频编码器，并将原始音频信号投影到与文本 token 相同的维度空间中。  在 Google AI Edge Eloquent App 中，Gemma 4 12B 可以完全离线完成语音输入的转录、格式整理和翻译。 参考链接： https://x.com/sundarpichai/status/2062257242645393889 https://x.com/demishassabis/status/2062241713398149524 https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemma-4-12B/ © THE END  转载请联系本公众号获得授权 投稿或寻求报道：liyazhou@jiqizhixin.com