← Alle Modelle

Google · Gemma

Gemma 4 12B

gemma-4-12b

open-weightModell, dessen trainierte Gewichte öffentlich herunterladbar sind, sodass man es selbst (lokal oder auf eigener Hardware) betreiben kann. Nicht zwingend vollständig quelloffen – die Lizenz bestimmt die erlaubte Nutzung.Mehr im Wissen →TextBildAudio

SituativLokal & On-Device

Nicht für Spitzenleistung gebaut, sondern für lokalen/Edge-Betrieb: läuft auf Consumer-Laptops, multimodalEin Modell ist multimodal, wenn es mehr als nur Text verarbeitet – etwa Bilder, Audio oder Video als Eingabe versteht (manche erzeugen sie auch als Ausgabe).Mehr im Wissen → und Apache-2.0-offen. Empfehlung dort, wo Offline-Betrieb, Datenschutz oder Hardware-Limits wichtiger sind als Benchmark-Spitzen.

  • lokale/Edge-KI
  • On-Device-Multimodalität
  • Self-Hosting auf kleiner Hardware
KontextfensterDie maximale Textmenge (in Tokens), die ein Modell pro Anfrage gleichzeitig „im Blick“ hat – Eingabe plus bisheriger Verlauf. Ist es voll, fällt Älteres aus dem Kontext.Mehr im Wissen →
256 KTokenDie kleinste Verarbeitungseinheit eines Sprachmodells – ein Wortstück, kein ganzes Wort. Faustregel: rund 1.000 Tokens entsprechen grob 750 deutschen Wörtern. Preise und Kontextlängen werden in Tokens gerechnet.Mehr im Wissen →
Preis (Input / Output)
k. A. je 1 Mio. Token
WissensstichtagDer Zeitpunkt, bis zu dem die Trainingsdaten eines Modells reichen („knowledge cutoff“). Über spätere Ereignisse weiß das Modell von sich aus nichts – es sei denn, sie werden ihm in der Anfrage mitgegeben.Mehr im Wissen →
Jan 2025

Stärken

  • Offene Gewichte unter Apache-2.0-Lizenz (lokal/self-hosted)
  • Encoder-freie multimodale Architektur (Text, Bild, Audio) – läuft lokal auf Laptops mit 16 GB RAM
  • 256-K-Token-Kontext, konfigurierbare Thinking-Modi, natives Function-Calling

Schwächen

  • Kein zentraler Token-Preis – Kosten je nach Hoster/eigener Infrastruktur
  • Erreicht laut Anbieter ein größeres 26-Mrd.-MoE (Mixture of Experts)Architektur, bei der je Anfrage nur ein Teil des Modells („Experten“) aktiv wird. So hat das Modell sehr viele Gesamt-Parameter, rechnet aber nur mit wenigen aktiven – das spart Rechenzeit.Mehr im Wissen →-Modell nur annähernd (unabhängig nicht bestätigt)

Typische Einsatzfälle

  • lokale/Edge-KI
  • multimodale Aufgaben auf Consumer-Hardware
  • Self-Hosting

Leistung im Vergleich

Unabhängige Indizes (Artificial Analysis, 0–100), zwei kontaminationsarme Einzel-Benchmarks (Terminal-Bench, agentische Shell-Aufgaben; τ²-bench, Tool-Use-Verlässlichkeit über viele Läufe) und Human-Präferenz-Elo (LMArena). Die dunkle Markierung zeigt den Bestwert im Katalog – so wird der Abstand zur Spitze sichtbar.

  • AA-IntelligenzZusammengesetzter Intelligenz-Index von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Reasoning-, Wissens- und Mathe-Benchmarks zu einer Zahl. Je höher, desto stärker das allgemeine Reasoning.Mehr im Wissen →22
  • AA-CodingCoding-Teilindex von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Programmier-Benchmarks zu einem Wert für die Code-Fähigkeit eines Modells.Mehr im Wissen →25
  • τ²-benchBenchmark für die Verlässlichkeit beim Werkzeug-Einsatz: dieselbe Aufgabe wird viele Male wiederholt, gemessen wird, wie konstant das Modell die Tools korrekt bedient (0–100 %).Mehr im Wissen →36

Benchmarks im Detail

Kennzahlen aus zitierten Messungen – unabhängige Quellen sind ausgewiesen, Anbieterangaben entsprechend markiert. Werte sind nicht über Skalen hinweg vergleichbar. Wie man Benchmark-Zahlen liest →

  • Artificial Analysis Intelligence Index

    22

    (Reasoning)

    unabhängigArtificial Analysis (API), abgerufen 2026-06-16

  • Artificial Analysis Coding Index

    25

    (Reasoning)

    unabhängigArtificial Analysis (API), abgerufen 2026-06-16

  • τ²-bench (Tool-Use-Verlässlichkeit)

    36 %

    unabhängigArtificial Analysis (API), abgerufen 2026-06-16

Einordnung

  • Auf lokale/Edge-Nutzung ausgelegt statt auf Spitzenleistung: ~12 Mrd. ParameterDie im Training gelernten „Stellschrauben“ eines Modells (gezählt in Milliarden). Mehr Parameter heißt grob mehr Kapazität, aber auch mehr Rechen- und Speicherbedarf – und sagt allein wenig über die Qualität.Mehr im Wissen →, läuft laut Anbieter auf Consumer-Laptops mit 16 GB RAM (Anbieterangabe), Apache 2.0.
  • Encoder-frei multimodal (Text, Bild, Audio) bei 256-K-Kontext – deutlich kleiner als die Cloud-Flaggschiffe, dafür offline/on-device betreibbar.
  • Im unabhängigen AA-IntelligenzZusammengesetzter Intelligenz-Index von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Reasoning-, Wissens- und Mathe-Benchmarks zu einer Zahl. Je höher, desto stärker das allgemeine Reasoning.Mehr im Wissen → 22 (Thinking / ReasoningModus, in dem ein Modell vor der Antwort sichtbare Zwischenschritte „durchdenkt“. Das hebt die Qualität bei schweren Aufgaben, kostet aber mehr Tokens und Zeit – oft über einen Aufwand-Regler steuerbar.Mehr im Wissen →-Variante), AA-CodingCoding-Teilindex von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Programmier-Benchmarks zu einem Wert für die Code-Fähigkeit eines Modells.Mehr im Wissen → 25 – erwartungsgemäß unter den Cloud-Flaggschiffen, stark für seine Größenklasse.Beleg · Sekundärquelle

Aus der System-Card

Verdichtete Befunde aus der offiziellen System-CardDas offizielle Begleitdokument eines Anbieters zu einem Modell (auch „Model Card“): Fähigkeiten, Grenzen, Sicherheitsbewertung. Primärquelle – die Fähigkeitsangaben darin sind aber Eigenangaben, nicht unabhängig gemessen.Mehr im Wissen → des Anbieters (Primärquelle, Tier (A/B/C)Verlässlichkeits-Stufe einer Quelle in der KI-Depesche: A = Primärquelle (z. B. offizielle Doku), B = solide Sekundärquelle, C = subjektiv/Einzelstimme. Steuert, wie stark eine Aussage gewichtet wird.Mehr im Wissen →). Fähigkeitswerte sind Anbieterangaben – nicht unabhängig nachgemessen. Card-Stand 2026-06-10.

Fähigkeiten

  • Reasoning – Laut Card erreicht das 12B (instruction-tuned) 78,8 % auf GPQA Diamond und 77,2 % auf MMLU Pro.
  • Coding – Laut Card 72,0 % auf LiveCodeBench v6 und eine Codeforces-Elo von 1659 – mit nativem Tool-CallingFähigkeit eines Modells, strukturiert externe Werkzeuge oder Funktionen aufzurufen (Suche, Code ausführen, APIs) und deren Ergebnisse weiterzuverwenden. Die Grundlage für Agenten.Mehr im Wissen → für agentische Workflows.
  • Mathematik – Laut Card 77,5 % auf AIME 2026 (ohne Tools), deutlich über Gemma 3 27B (20,8 %).
  • Multimodal & Kontext – Das 12B verarbeitet Text, Bild und – als einziges der Mittelklasse – nativ Audio, mit bis zu 256K TokenDie kleinste Verarbeitungseinheit eines Sprachmodells – ein Wortstück, kein ganzes Wort. Faustregel: rund 1.000 Tokens entsprechen grob 750 deutschen Wörtern. Preise und Kontextlängen werden in Tokens gerechnet.Mehr im Wissen → Kontext (69,1 % auf MMMU Pro).

Verhalten & Sicherheit

  • Safety-Evals – Laut Card – ohne Safety-Filter getestet – „minimal policy violations“ über alle Größen, mit deutlichen Fortschritten gegenüber Gemma 3/3n bei zugleich niedrigen unbegründeten Verweigerungen.
  • Safety-Politiken – Geprüft wird gegen Googles AI-Prinzipien auf CSAM/Kindesmissbrauch, gefährliche Inhalte (z. B. Suizid-Förderung), sexuell explizite Inhalte, Hassrede und Belästigung.
  • Datenfilterung – Vor dem Training wurde CSAM-Material mehrstufig herausgefiltert sowie bestimmte personenbezogene und sensible Daten automatisiert entfernt.
  • Lizenz – Die Card führt im Kopf „Apache 2.0“ als Lizenz – eine echte Open-Source-Lizenz; auf eine separate Prohibited-Use-Policy wird nur über die Doku-Navigation verwiesen.
  • Limitierungen – Als bekannte Grenzen nennt die Card Trainingsdaten-Bias/-Lücken, mögliche veraltete oder faktisch falsche Aussagen, Schwächen bei Nuancen/Sarkasmus und fehlenden Common Sense.

Die Card deckt fünf Größen ab (E2B, E4B, 12B, 26B A4B, 31B); die hier genannten Werte beziehen sich auf die instruction-tuned 12B-Variante („12B Unified“, 11,95 Mrd. Parameter).

Google – Gemma 4 Model Card· Primärquelle, abgerufen 2026-06-16

Stimmen aus der Öffentlichkeit

Subjektive Einschätzungen Dritter – keine belegten Fakten, jeweils verlinkt.

  • positivWird als neues, vielversprechendes lokales Open-Weight-Modell von Google fürs Heim-Setup gehandelt – „soll auch sehr gut sein“, eigene Tests stehen aber noch aus.c’t 3003 (YouTube) · Community
  • neutralDie Gemma-Familie dient als VLM-Backbone: In PaliGemma (genutzt u. a. in Physical Intelligence π0) wird Gemma mit dem SigLIP-Bildencoder zu einem multimodalen System kombiniert – dort ältere Gemma-Generationen, nicht zwingend 4·12B.Welch Labs (YouTube) · Community
  • positivLaut Googles eigenem „Translate Gemma“-Bericht übertrifft das aufgabenspezifisch feinjustierte 12B-Modell die 27B-Basisvariante – Anbieter-Eigenangabe (Cherry-Picking-Vorbehalt), keine bekannte unabhängige Replikation.1littlecoder (YouTube) · Community
  • gemischtÜbersetzung gelingt überzeugend, doch die Bild-zu-Text-Funktion versagt im getesteten 4B-Modell und halluziniert stark – ob größere Varianten besser sind, bleibt offen.1littlecoder (YouTube) · Community

ℹ️ 11,95 Mrd. Parameter, 48 Layer, encoder-frei (Bild/Audio direkt in den Embedding-Raum projiziert). Apache 2.0 (offiziell, nicht die alte Gemma-Lizenz). Audio bis 30 s, Video bis 60 Frames. Verfügbar via Hugging FaceDie zentrale Plattform, auf der offene KI-Modelle (ihre Gewichte) samt Spezifikation veröffentlicht und heruntergeladen werden – die „GitHub-Drehscheibe“ der open-weight-Szene.Mehr im Wissen →, Kaggle, LM Studio, Ollama, Google AI Edge.