Google DeepMind hat mit Gemma 4 12B ein neues offenes KI-Modell vorgestellt, das multimodale Agenten direkt auf handels\u00fcblichen Notebooks erm\u00f6glichen soll. Das Modell mit 12 Milliarden Parametern verarbeitet Text, Bilder und als erstes Modell dieser Gr\u00f6\u00dfe auch Audio nativ \u2013 und ben\u00f6tigt daf\u00fcr lediglich 16 GByte Arbeits- oder Grafikspeicher. Ver\u00f6ffentlicht unter der Apache-2.0-Lizenz steht es Entwicklern und Unternehmen frei zur Verf\u00fcgung.<\/p>\n
Weiterlesen nach der Anzeige<\/p>\n
Damit senkt Google die Einstiegsh\u00fcrde f\u00fcr seine lokale KI-Agenten. W\u00e4hrend Googles eigene On-Device-KI Gemini Intelligence auf Android-Smartphones hohe Hardwareanforderungen<\/a> stellt zielt Gemma 4 12B bewusst auf die breite Masse.<\/p>\n Architektur ohne separate Encoder<\/p>\n Eine zweite St\u00e4rke des Modells liegt in seiner vereinheitlichten Architektur. Wie Google in seinem Blog<\/a> erl\u00e4utert, verzichtet Gemma 4 12B vollst\u00e4ndig auf separate Vision- und Audio-Encoder. Herk\u00f6mmliche multimodale Modelle von Google nutzen typischerweise eigene Encoder-Module, die Bilder und Audiodaten erst \u00fcbersetzen, bevor das Sprachmodell sie verarbeitet. Gemma 4 12B geht einen anderen Weg: Hier soll der Input direkt vom LLM-Backbone verarbeitet werden.<\/p>\n Leistung nahe am doppelt so gro\u00dfen Modell<\/p>\n Innerhalb der Gemma-4-Familie positioniert Google das 12B-Modell zwischen den Edge-Varianten E4B, die f\u00fcr Smartphones und IoT-Ger\u00e4te wie Raspberry Pi konzipiert sind, und dem gr\u00f6\u00dferen 26B-Mixture-of-Experts-Modell (MoE). In Benchmarks soll es laut Google<\/a> jedoch nur knapp hinter dem st\u00e4rkeren Modell zur\u00fcckliegen. Ohne dedizierte GPU verl\u00e4ngern sich die Inferenzzeiten aber wahrscheinlich.<\/p>\n Wie das neue Modell im Vergleich zu 16GB-Varianten von anderen Anbietern abschneidet, ist noch nicht abzusehen. <\/p>\n Weiterlesen nach der Anzeige<\/p>\n