Пост 68812

Google DeepMind выпустила Gemma 4 12B — открытую нейросеть, которая обрабатывает текст, звук и картинки на обычном ноутбуке с 16 ГБ памяти. Инженеры упаковали возможности тяжеловесных архитектур в компактный формат и отдали разработку сообществу по лицензии Apache 2.0. По внутренним тестам новинка почти дотягивается до показателей модели 26B из той же линейки.Индустрия годами привязывала к языковым моделям энкодеры для перевода звука и картинок в машинный код. Такие надстройки съедали оперативную память и тормозили генерацию ответа. Google заменила тяжёлый модуль зрения на облегчённый слой, а аудиоэнкодер подчистую стёрла. Звук теперь не перегоняют в текст — алгоритм сразу конвертирует его в понятный набор чисел наравне с обычными словами.В иерархии семейства Gemma 4 новинка занимает место между мобильной E4B и увесистой 26B. При этом версия 12B открыла класс средних моделей компании со встроенной поддержкой аудио. До этого слушать пользователя умели только компактные мобильные версии. Разработчики рапортуют о 150 млн скачиваний всей линейки — на этих алгоритмах собирают корпоративные сканеры безопасности и мозги для роботизированных рук.Корпорация открыла доступ к четырём конфигурациям Gemma 4 ещё в начале апреля. Тогда же разработчики впервые отказались от проприетарных лицензий и выложили код в свободный доступ. В итоге старшая версия 31B заняла третье место в глобальном рейтинге Arena AI среди открытых моделей. Конфигурация 26B остановилась на шестой строчке и обошла конкурентов с кратно большим числом параметров.