Google DeepMind 於 6 月 3 日發布 Gemma 4 12B，為 Gemma 4 系列（累積下載已逾 1.5 億次）的最新成員。此版本最大亮點是原生多模態：可直接處理文字、影像及音訊，無需額外編碼器，降低推理時的延遲與記憶體需求。關鍵規格是只需 16GB VRM 或統一記憶體即可在本機端運行，且各項基準測試表現接近兩倍大小的 Gemma 4 26B。這也是首款支援原生音訊處理的 Gemma 模型。

重點 / 為何重要

  • 原生三模態（文字 + 影像 + 音訊）：首次無需外掛編碼器，架構更精簡
  • 16GB 記憶體門檻：消費級 MacBook Pro／高階 AI 筆電均可本機運行
  • 效能對應 26B 水準：12B 模型達到 26B 效能，參數壓縮比值得關注
  • 開放授權：Gemma 系列累積 1.5 億次下載，持續擴大開發者生態

影響 / 編輯按

本地 AI 模型效能持續快速提升，Gemma 4 12B 的規格顯示「裝置端多模態推理」正式進入主流消費硬體可及範圍。對企業與開發者而言，可不依賴雲端 API 即完成完整多模態任務，在隱私合規場景優勢明顯。

本文由 AI 整理，原文：TechNews 科技新報