Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

Google（米カリフォルニア州マウンテンビュー）は、マルチモーダルAIモデル「Gemma 4 12B」を発表したと明らかにした。ノートPC上での実行を想定し、16GBのVRAMや統合メモリ環境でも動作可能な設計とされる。

同社によると、Gemma 4 12Bは音声入力をネイティブ対応した初の中規模モデルとなる。画像や音声を処理する専用エンコーダーを使わず、言語モデル本体が直接マルチモーダル情報を扱う統合アーキテクチャを採用したという。

推論性能は上位モデルである26B Mixture of Expertsに近い水準に達し、複数段階の推論やエージェント型ワークフローへの対応を可能にしたとされる。また、Multi-Token Prediction機能により応答遅延の低減も図られている。

開発者向けにはApache 2.0ライセンスの下で公開され、Hugging FaceやKaggleからモデルを取得できる。Googleは、Gemmaシリーズの累計ダウンロード数が1億5000万件を超えたことも併せて公表した。