IA · Modelos · Google · Gemma · Código abierto
Google publica Gemma 4 12B para ejecutar IA multimodal en portátiles
El modelo reúne visión y audio en una arquitectura sin codificadores separados.
Fecha de la fuente original:
Lo esencial
- El modelo reúne visión y audio en una arquitectura sin codificadores separados.
Visión y audio dentro del mismo modelo
Google incorporó Gemma 4 12B a su familia de modelos con pesos descargables. La nueva variante procesa imágenes y audio directamente en el modelo principal, sin los codificadores separados utilizados habitualmente para esas entradas.
Una variante pensada para ejecución local
La compañía indicó que puede ejecutarse con 16 GB de memoria de video o memoria unificada y lo publicó bajo Apache 2.0. Sus pruebas lo sitúan cerca de la variante 26B en determinadas evaluaciones. También ofreció integraciones con herramientas de inferencia local y un repositorio de habilidades para desarrolladores.