Google DeepMind hat am 3. Juni das offene Gewichtsmodell Gemma 4 12B mit rund 12 Milliarden Parametern veröffentlicht. Es steht unter der Apache-2.0-Lizenz und benötigt mindestens 16 GB VRAM oder einheitlichen Speicher, um lokal auf einem normalen Laptop ausgeführt zu werden. Das größte Highlight des Modells ist die enkoderlose „einheitliche“ Architektur — visuelle und Audioeingaben werden direkt in den Sprachmodell-Stamm eingespeist, ohne dass ein eigenständiger multimodaler Encoder erforderlich ist. Damit ist es Googles erstes mittelgroßes Modell mit nativer Audioeingabe. Google gibt an, dass seine Benchmark-Leistung bereits nahe an das größere 26B MoE-Modell herankommt, während der Speicherbedarf weniger als die Hälfte davon beträgt.
Zum Zeitpunkt dieser Veröffentlichung hatte die Gemma-4-Serie bereits über 150 Millionen Downloads verzeichnet. Die Modellgewichte sind nun auf Hugging Face und Kaggle verfügbar, mit nativer Unterstützung für gängige Inferenz-Frameworks wie vLLM, SGLang, MLX, llama.cpp usw.; sie können auch mit einem Klick über LM Studio und Ollama ausgeführt werden. Google hat gleichzeitig das Gemma Skills-Fähigkeiten-Repository quelloffen gemacht, das einen standardisierten Werkzeugsatz speziell für KI-Agenten auf Basis von Gemma bereitstellt. Darüber hinaus wurde am selben Tag die macOS-App Google AI Edge veröffentlicht, mit der Benutzer multimodale Agent-Workflows direkt lokal erleben können.