3 ივნისი, 2026

Google-მ წარადგინა Gemma 4 12B – ახალი ღია მოდელი, რომელიც მაღალი წარმადობის მულტიმოდალურ ინტელექტს პირდაპირ ლეპტოპზე გაშვებისთვის ქმნის. ეს არის Gemma 4-ის ოჯახის უახლესი დამატება, რომელიც ავსებს სივრცეს მცირე, edge-ზე ორიენტირებულ E4B-სა და უფრო მძლავრ 26B MoE მოდელს შორის.

მთავარი ცვლილება არქიტექტურაშია: Gemma 4 12B არის უნიფიცირებული, encoder-free მულტიმოდალური მოდელი. ანუ სურათისა და აუდიოს დასამუშავებლად ცალკე ენკოდერებს არ იყენებს – ეს შემავალი მონაცემები პირდაპირ ენის მოდელის ბირთვში მიედინება. მოდელი Apache 2.0 ლიცენზიითაა გამოშვებული.

სარჩევი

რა არის Gemma 4 12B
რატომ არის Gemma 4 12B მნიშვნელოვანი
რას ნიშნავს encoder-free არქიტექტურა
როგორ დავიწყოთ მუშაობა Gemma 4 12B-თან
დასკვნა
ხშირად დასმული კითხვები
სხვა თემები

რა არის Gemma 4 12B

Gemma 4 12B Google-ის პირველი საშუალო ზომის მოდელია, რომელსაც აუდიოს მშობლიური (native) შეტანა აქვს. ის შექმნილია იმისთვის, რომ აგენტური და მულტიმოდალური შესაძლებლობები ჩვეულებრივ აპარატურაზე იმუშაოს, სიჩქარისა და მსჯელობის უნარის დათმობის გარეშე.

კომპანიის ცნობით, მოდელის წარმადობა სტანდარტულ ბენჩმარკებზე უახლოვდება უფრო დიდ 26B MoE მოდელს, თუმცა მისი მეხსიერების მთლიანი მოთხოვნა ნახევარზე ნაკლებია. ის საკმარისად მცირეა, რომ ლოკალურად, სამომხმარებლო ლეპტოპზე, სულ რაღაც 16GB ოპერატიული მეხსიერებით გაეშვას.

ფუნქციური მხარეც აღსანიშნავია – მოდელი აღჭურვილია Multi-Token Prediction (MTP) დრაფტერებით, რაც ლატენტობის შემცირებას ემსახურება. ეს მას ლოკალური აგენტებისა და კოდის ასისტენტებისთვის უფრო პრაქტიკულს ხდის.

რატომ არის Gemma 4 12B მნიშვნელოვანი

მთავარი ღირებულება ხელმისაწვდომობაშია. აქამდე ამ დონის მსჯელობის უნარისთვის ხშირად ძლიერი GPU ან ღრუბლოვანი ინფრასტრუქტურა იყო საჭირო. Gemma 4 12B ცდილობს ეს ბარიერი დაწიოს და ანალოგიური დონის ინტელექტი უშუალოდ მომხმარებლის მანქანაზე მიიტანოს.

მეორე ფაქტორი ლიცენზიაა. მოდელი Apache 2.0 ლიცენზიითაა გამოშვებული, რაც კომერციულად ნებადართულია და დეველოპერებს მოდელის შეცვლის, განთავსებისა და ინტეგრაციის თავისუფლებას აძლევს.

დამატებით, Google DeepMind-ის ცნობით, Gemma 4 მოდელების ჩამოტვირთვებმა უკვე 150 მილიონს გადააჭარბა. ეს მაჩვენებელი იმაზე მიუთითებს, რომ ღია მოდელების ეკოსისტემაში მსგავს ხელსაწყოებზე მოთხოვნა მაღალია.

რას ნიშნავს encoder-free არქიტექტურა

ტრადიციული მულტიმოდალური მოდელები ცალკე ენკოდერებს იყენებენ – ისინი ჯერ სურათსა და აუდიოს „თარგმნიან”, შემდეგ კი ამ წარმოდგენებს ენის მოდელს გადასცემენ. ეს ცალკეული ენკოდერები ლატენტობას ზრდის და მეტ მეხსიერებას მოითხოვს.

Gemma 4 12B-ში Google-მ ეს მიდგომა შეცვალა და მოდელი encoder-free არქიტექტურით გაწვრთნა, რათა აუდიო და ვიზუალური შეტანა პირდაპირ ინტეგრირდეს. შედეგად, ცალკე მთარგმნელი ფენა აღარ არსებობს.

კონკრეტულად, მხედველობისთვის (vision) ენკოდერი ჩაანაცვლა მსუბუქმა embedding მოდულმა, რომელიც შედგება ერთი მატრიცული გამრავლების, პოზიციური embedding-ისა და ნორმალიზაციებისგან. ამის შემდეგ ვიზუალურ დამუშავებას თავად ენის მოდელის ბირთვი იღებს.

აუდიოს შემთხვევაში მიდგომა კიდევ უფრო გამარტივდა – აუდიო ენკოდერი მთლიანად ამოიღეს და ნედლი აუდიო სიგნალი იმავე განზომილებიან სივრცეში დააპროექციეს, რომელშიც ტექსტური ტოკენებია. ეს არქიტექტურა სწორედ ის ფაქტორია, რომელიც მოდელს ეფექტურს ხდის.

როგორ დავიწყოთ მუშაობა Gemma 4 12B-თან

მოდელის გამოცდა რამდენიმე გზითაა შესაძლებელი. მისი მარტივად ნახვა შეიძლება LM Studio-სა და Ollama-ში, ასევე Google AI Edge Gallery აპლიკაციაში.

მოდელის ჩამოტვირთვა – როგორც წინასწარ ნავარჯიშები, ისე ინსტრუქციებზე მორგებული ვერსიების – შესაძლებელია Hugging Face-დან და Kaggle-დან. ლოკალური ინფერენსისთვის მხარდაჭერილია Hugging Face Transformers, llama.cpp, MLX, SGLang და vLLM.

აგენტური დეველოპმენტისთვის Google-მა ასევე გამოუშვა ოფიციალური Skills Repository – სკილების ბიბლიოთეკა, რომელიც აგენტებს Gemma მოდელებზე აგების საშუალებას აძლევს. წარმოებაში განთავსება Google Cloud-ის გავლითაა შესაძლებელი.

დასკვნა

Gemma 4 12B არის მნიშვნელოვანი დამატება Gemma 4-ის ოჯახში, რადგან ცდილობს გააერთიანოს edge მოდელების ეფექტურობა და დიდი მოდელების მსჯელობის უნარი – ერთ მოდელში, რომელიც ჩვეულებრივ ლეპტოპზე მუშაობს.

დეველოპერებისთვის, რომლებსაც ლოკალურად, საკუთარ აპარატურასა და მონაცემებზე სრული კონტროლით სურთ მულტიმოდალური აგენტების შექმნა, encoder-free არქიტექტურა და Apache 2.0 ლიცენზია ამ მოდელს ერთ-ერთ ყველაზე საინტერესო ვარიანტად აქცევს.

ხშირად დასმული კითხვები

რა არის Gemma 4 12B?

ეს არის Google-ის ღია მულტიმოდალური მოდელი, რომელიც სურათსა და აუდიოს ცალკე ენკოდერების გარეშე ამუშავებს და შექმნილია ლეპტოპზე ლოკალურად გასაშვებად. ის ავსებს სივრცეს E4B-სა და 26B MoE მოდელს შორის.

რა აპარატურა სჭირდება Gemma 4 12B-ს?

Google-ის ცნობით, მოდელი საკმარისად მცირეა, რომ ლოკალურად, სამომხმარებლო ლეპტოპზე, 16GB ოპერატიული მეხსიერებით (RAM ან VRAM) იმუშაოს.

რას ნიშნავს encoder-free?

ეს ნიშნავს, რომ მოდელს არ აქვს ცალკე ენკოდერები სურათისა და აუდიოსთვის. ვიზუალური და ხმოვანი მონაცემები პირდაპირ ენის მოდელის ბირთვში მიედინება, რაც ლატენტობასა და მეხსიერების მოთხოვნას ამცირებს.