Google DeepMind представила новую версию своей открытой ИИ-модели — Gemma 4 12B. Она способна работать на обычном ноутбуке с 16 ГБ оперативной памяти, что делает её доступной для широкого круга пользователей. При этом по результатам тестов модель почти достигает производительности более крупной версии 26B из той же линейки. Это особенно важно, потому что 12B — первая средняя модель в серии Gemma, которая изначально поддерживает обработку звука, изображений и текста.

Особенность новой архитектуры — в отказе от отдельных энкодеров для мультимодальных данных. Раньше изображения и аудио проходили предварительную обработку через специальные блоки, что замедляло работу и требовало памяти. Теперь Google подаёт изображения и звук напрямую в языковую модель. Аудио не преобразуется в текст, а кодируется в числовой вектор, аналогичный внутреннему представлению слов.

Модель распространяется по лицензии Apache 2.0, что позволяет использовать её бесплатно, включая коммерческие продукты. Она доступна для скачивания на платформах Hugging Face и Kaggle. С момента запуска линейки Gemma 4 в апреле 2026 года модели этой серии были скачаны более 150 миллионов раз. Их применяют как в потребительских приложениях, так и в корпоративных системах — от роботизированных устройств до систем кибербезопасности.