# 推出 Gemma 4 12B：统一的无编码器多模态模型

- 原标题：Introducing Gemma 4 12B: a unified, encoder-free multimodal model
- 类型：博客
- 来源：Google DeepMind
- 发布时间：2026-06-09
- 首次精选：2026-10-28 16:25
- 分级：值得看
- 学习层级：进阶
- 主题：[vision-multimodal-understanding](<https://oplearnx.com/md/topics/vision-multimodal-understanding.md>)（第 3 位）、[local-model-deployment](<https://oplearnx.com/md/topics/local-model-deployment.md>)（第 30 位）、[model-selection-releases](<https://oplearnx.com/md/topics/model-selection-releases.md>)（第 32 位）
- 原文链接：[https://deepmind.google/blog/introducing-gemma-4-12b-a-unified-encoder-free-multimodal-model](<https://deepmind.google/blog/introducing-gemma-4-12b-a-unified-encoder-free-multimodal-model>)
- 本站页面：[https://oplearnx.com/resources/pk\_349839732b57](<https://oplearnx.com/resources/pk_349839732b57>)

## 摘要

Google DeepMind 发布 Gemma 4 12B，定位为可直接在笔记本电脑上运行智能体式多模态能力的模型，介于轻量 E4B 与 26B MoE 之间，内存占用更小，是其中等规模模型中首个支持原生音频输入的。文章称其采用无多模态编码器的统一架构，视觉和音频输入直接进入 LLM 主干，并提到 Gemma 4 系列累计下载量已超过 1.5 亿次。

---
来源：LearnMap · 学径（https://oplearnx.com）