Gemma 4 12B ist das erste mittelgroße Gemma-Modell mit nativer Audioeingabe. Es verarbeitet Text, Bilder und Audio in einer gemeinsamen Modellarchitektur, statt für Bild und Ton separate große Encoder bereitzustellen.
Mit 12 Milliarden Parametern soll das Modell auf einem Laptop mit 16 Gigabyte Arbeitsspeicher lokal laufen. Die Gewichte stehen unter Apache 2.0 offen bereit, unter anderem für Hugging Face, Kaggle, LM Studio, Ollama und Google AI Edge.
Google gibt an, Gemma 4 12B erreiche annähernd die Leistung seines größeren 26-Milliarden-Modells und benötige weniger als halb so viel Speicher. Konkrete Benchmarkwerte fehlen im Blogbeitrag; die Aussage ist daher als Anbieterangabe zu lesen.
Aktualisiert am 16. Juni 2026.