谷歌开源Gemma 4 12B轻量级多模态模型：支持原生音频输入

Gemma 4 12B的技术特性

该模型仅120亿参数即可实现多模态理解和生成，支持文本、图像和音频的原生输入处理。其轻量化设计使得模型可以在消费级GPU甚至高端手机上运行，为端侧AI部署开辟了新可能。

https://ai.google.dev/gemma4-launch.jpg'/>

开源生态的推进

谷歌通过开源Gemma 4 12B进一步巩固了其在大模型开源生态中的影响力。开发者可以在Hugging Face、Kaggle和Google AI Studio上免费获取和使用该模型，这被认为是谷歌对Meta Llama开源策略的直接回应。