Google DeepMind 推出统一无编码器多模态模型 Gemma 4 12B

Google DeepMind 推出统一且无独立编码器的多模态模型 Gemma 4 12B，支持原生音频与视觉输入，采用 Apache 2.0 协议开源。该模型移除了传统的图像和音频编码器，直接将多模态信号投影至 LLM 主干，性能接近 26B MoE 模型而内存占用减少超过一半，仅需 16GB 显存或统一内存即可在笔记本电脑本地运行。