Google 於 2026 年 6 月 3 日正式發布開源模型 Gemma 4 12B。模型主打以低硬件門檻實現接近大型模型效能。開發者只需配備 16GB VRAM 的普通手提電腦，便能在本地流暢運行這款具 120 億參數的多模態模型，同時享有代理推理（Agent Reasoning）及多模態處理能力。
效能表現：以小搏大直追 26B
根據 Google 公布的基準測試數據，Gemma 4 12B 多項指標均超越上一代 Gemma 3 27B，顯示第四代架構於訓練與推論效率有顯著提升。12B 版本表現極接近體積大一倍的 Gemma 4 26B，科學問答 GPQA Diamond 項目取得 78.8 分，MMLU Pro 則為 77.2 分。視覺問答方面 Gemma 4 12B 於 DocVQA 項目獲得 94.9 高分，InfoVQA 亦有 88.4 分表現，證明模型具備處理複雜圖表及萃取資料能力。
統一架構：捨棄獨立編碼器
Gemma 4 12B 採用全新統一架構（Unified Architecture），完全移除傳統多模態模型所需的視覺及音訊編碼器，改以輕量化嵌入模組（Embedding Module）替代。原始音訊訊號及視覺輸入可直接投影至與文字標記（Text Token）相同空間，語言模型主幹可直接處理多模態工作。架構改良有效降低系統反應延遲，同時減少記憶體佔用，令整體記憶體用量不足 Gemma 4 26B 一半。
原生音訊輸入：Gemma 4 系列首創
Gemma 4 12B 亦是 Google Gemma 4 系列首款支援原生音訊輸入的中型模型，適合用於開發語音助理及各類需要即時多模態處理的邊緣 AI 應用。模型亦內置多標記預測（Multi-Token Prediction，MTP）起草器，進一步壓縮推論延遲以提升回應速度。
開放授權：Apache 2.0
Gemma 4 12B 依循 Apache 2.0 授權條款開放使用，開發者現可於 Hugging Face 或 Kaggle 下載模型權重。低硬件門檻加上寬鬆授權條款，令模型成為企業開發內部機密資料分析工具、語音助理及各類邊緣 AI 應用的務實選擇，進一步擴大本地 AI 開發的應用範疇。
資料來源：Google Blog
