Компания Google официально представила новую модель Gemma 4 12B — продвинутую мультимодальную систему искусственного интеллекта, которая создана специально для локального запуска на пользовательских ноутбуках и прочих устройствах с ограниченными вычислительными ресурсами. Новинка заняла промежуточную нишу между компактной версией E4B и более крупной MoE-архитектурой, насчитывающей 26 млрд параметров.
Главной технологической особенностью Gemma 4 12B стал тот факт, что это первая модель среднего размера в фирменной линейке с нативной поддержкой аудиовходов. Кроме того, создатели заявляют, что архитектура способна функционировать без громоздких отдельных энкодеров для обработки графики и звука, применяя более прямую и эффективную интеграцию разнообразных мультимодальных сигналов прямо в базовую языковую модель.
Представители IT-гиганта подчеркивают, что структура модели была существенно упрощена. Например, вместо классического отдельного vision-энкодера для работы с изображениями задействован легкий модуль, построенный на базе матричных преобразований и позиционного кодирования, что существенно снижает нагрузку на «железо». Обработка звука реализована еще лаконичнее: входящий аудиосигнал транслируется напрямую в пространство текстовых токенов без промежуточного кодирования.
Иллюстрация: Google
Несмотря на подобное упрощение аппаратных аппетитов, Gemma 4 12B выдает производительность, практически не уступающую более массивной системе на 26 млрд параметров в популярных бенчмарках. При этом требования к подсистеме памяти ощутимо ниже, что открывает возможность запускать нейросеть локально на персональных ПК и ноутбуках, обладающих 16 ГБ видеопамяти или унифицированной памяти.
Модель также получила поддержку передовой технологии Multi-Token Prediction (MTP), эффективно сокращающей задержки при выводе текста. Продукт изначально заточен под современные агентные сценарии применения, включая автоматизацию комплексных задач.
Отдельного внимания заслуживает статистика популярности: суммарное число загрузок открытой линейки Gemma в разработческой среде уже преодолело отметку в 150 миллионов. На базе этих решений энтузиасты и компании собирали самые разные продукты — от компактных роботизированных устройств до специализированных корпоративных систем безопасности.
Нейросеть Gemma 4 12B распространяется на условиях популярной лицензии Apache 2.0 и ориентирована на масштабное внедрение в сообществе программистов. В Google акцентируют внимание на том, что главная задача этого релиза — перенести передовые мультимодальные ИИ-функции непосредственно на локальные устройства пользователей, исключив обязательную необходимость отправки данных в облачные дата-центры.
