推出 Gemma 4 12B：统一的无编码器多模态模型

2026年6月3日

阅读时间3分钟

Gemma 4 12B 旨在将高性能多模态智能直接带到你的笔记本电脑上，将移动优先的效率与高级推理能力相结合。

Olivier Lacombe

Google Deepmind 产品管理总监

Gus Martins

Google DeepMind 产品经理

收听文章 此内容由 Google AI 生成。生成式 AI 处于实验阶段

[[duration]] 分钟

今天，我们推出 Gemma 4 12B，这是我们最新的模型，旨在将智能体多模态智能直接带到笔记本电脑上。Gemma 4 12B 填补了我们的边缘友好型 E4B 与更先进的 26B 混合专家模型（MoE）之间的空白，在更小的内存占用内封装了强大的能力。它也是我们首款支持原生音频输入的中型模型。

得益于开发者社区，Gemma 4 模型的下载量现已突破 1.5 亿次。你们用它构建了从用于物理辅助的可穿戴机械臂到企业级 AI 安全的各种应用。我们很期待看到你们用这个最新版本能创造出什么。

以下是 Gemma 4 12B 独特之处的概述：

• 新颖的统一架构： 没有多模态编码器。视觉和音频输入直接流入 LLM 主干网络。
• 高级推理能力： 基准测试性能接近我们的 26B 模型，解锁强大的多步推理和智能体工作流。
• 笔记本电脑就绪： 体积小巧，仅需 16GB VRAM 或统一内存即可本地运行。
• 开放且易获取： 在 Apache 2.0 许可下发布，并得到整个开发者生态系统的支持。
• 草稿模型就绪： Gemma 4 12B 配备了多 Token 预测（MTP）草稿模型以减少延迟。

这些特性共同将先进的多模态能力带到了日常硬件上，同时不牺牲速度或推理能力。现在，让我们更深入地了解 Gemma 4 12B 是如何实现这一点的。

在本地运行最先进的智能体

Gemma 4 12B 在标准基准测试上的性能接近我们更大的 26B MoE 模型，但总内存占用不到其一半。它体积小巧，可在配备 16GB RAM 的消费级笔记本电脑上本地运行，从而在你的机器上解锁强大的多模态和智能体体验。

体验独特高效的统一架构

Gemma 4 12B 的突出之处在于其处理视觉和音频输入的简化方法。传统的多模态模型通常依赖独立的编码器来翻译图像和音频，然后再将这些表示传递给语言模型。由于这些分离的编码器会增加延迟和内存使用，我们采用无编码器架构训练了 Gemma 4 12B，以直接集成音频和视觉输入。

以下是 Gemma 4 12B 原生处理多模态输入的方式：

• 视觉： 我们用轻量级嵌入模块替换了 Gemma 4 的视觉编码器，该模块由单个矩阵乘法、位置嵌入和归一化组成。这使得 LLM 主干网络能够接管视觉处理。
• 音频： 我们进一步简化了音频处理。我们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。

对于想要详细了解的开发者，请访问我们的配套 Gemma 4 12B 开发者指南。

观看原生音频处理的实际应用：观看 Gemma 4 12B 使用 Google AI Edge Eloquent 应用完全离线转录、格式化并翻译语音输入。

立即开始使用

• 亲自尝试： 在 LM Studio、Ollama、Google AI Edge Gallery App、Google AI Edge Eloquent 应用和 LiteRT-LM CLI 中点击几下即可体验。
• 下载权重： 直接从 Hugging Face 和 Kaggle 下载预训练和指令微调的检查点。
• 集成与学习： 查看开发者文档和快速入门笔记本。
• 使用你喜欢的开发工具： 使用 Hugging Face Transformers、llama.cpp、MLX、SGLang 和 vLLM 实现本地推理管道，或使用 Unsloth 高效微调。
• 使用 Gemma Skills 解锁智能体开发： 为了支持智能体利用最新的 Gemma 进展进行构建，我们发布了官方的 Skills 仓库。这是一个专门为让智能体能够使用 Gemma 模型进行构建而设计的技能库。
• 按需部署： 使用 Google Cloud 在生产环境中启动端点。通过 Gemini Enterprise Agent Platform Model Garden、Cloud Run 和 GKE 按需部署。

相关故事

.