🔒Открыть пост
и посмотреть медиа
и посмотреть медиа
Google DeepMind выпустила Gemma 4 12B (Ссылка скрыта — open-source модель, которая работает на обычном ноутбуке
Это первая среднеразмерная модель Google с нативным аудио и архитектурой без единого энкодера. Релиз от 3 июня, важный шаг для локального AI.
Что внутри:
Unified Transformer: изображения и звук подаются прямо в LLM-backbone без отдельного vision/audio encoder. Это снижает latency и упрощает дообучение.
Работает на ноутбуке: достаточно 16 GB объединённой памяти. Consumer-железо тянет.
Производительность вплотную приближается к Gemma 4 26B MoE, но требует вдвое меньше памяти.
Полностью открытая: лицензия Apache 2.0, доступна на HuggingFace.
Встроенные Multi-Token Prediction drafters (MTP) ускоряют генерацию.
Gemma 4 в сумме превысили 150 млн загрузок на HuggingFace.
Это первая модель Google такого размера, которая умеет обрабатывать аудио без внешних модулей. Для локальных AI-агентов, edge-устройств и инди-разработки, серьёзный апгрейд.