Gemma 4 12B: מודל ה-AI של גוגל שמוותר על המקודדים ופועל על הלפטופ
Gemma 4 12B מחליף מקודדי ראייה ואודיו נפרדים בהקרנות ליניאריות קלות, ומעביר את הקלט ישירות לטרנספורמר יחיד מסוג decoder only [1][3]. המודל בעל 12 מיליארד הפרמטרים השיג 77.2% ב MMLU Pro ו 78.8% ב GPQA Diamond, תוך שהוא גובר על Gemma 3 27B במבחני חשיבה, קוד והבנה מולטימודלית [2][5].
פורסם על ידינערך באמצעות DeepSeek-V4-Proהתמונות נוצרו באמצעות GPT Image 1.5
Gemma 4 12B מחליף מקודדי ראייה ואודיו נפרדים בהקרנות ליניאריות קלות, ומעביר את הקלט ישירות לטרנספורמר יחיד מסוג decoder only [1][3].
המודל בעל 12 מיליארד הפרמטרים השיג 77.2% ב MMLU Pro ו 78.8% ב GPQA Diamond, תוך שהוא גובר על Gemma 3 27B במבחני חשיבה, קוד והבנה מולטימודלית [2][5].
הוא שוחרר תחת רישיון Apache 2.0 ותומך כבר מההשקה בכלים כמו llama.cpp, Ollama, LM Studio, MLX, vLLM ו Unsloth, לצד אפליקציית Gemma Chat להרצה מקומית על מחשבי Mac עם Apple Silicon [6][7][8].
What is Google DeepMind's newly released Gemma 4 12B open-source multimodal AI model, how does its encoder-free "Unified" architecture proceA conceptual visualization of Gemma 4 12B's unified, encoder-free architecture handling text, images, and audio.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What is Google DeepMind's newly released Gemma 4 12B open-source multimodal AI model, how does its encoder-free "Unified" architecture proce. Article summary: Google DeepMind released **Gemma 4 12B** on June 3, 2026 — a dense, 12-billion-parameter open-source multimodal model under the **Apache 2.0 license**, built around an encoder-free "Unified" architecture designed to run . Topic tags: general, documentation, general web, user generated, academic. Reference image context from search candidates: Reference image 1: visual subject "[Skip to main content](https://www.mindstudio.ai/blog/what-is-gemma-4-google-apache-open-weight-model#main-content)[![Image 4: MindStudio](https://www.mindstudio.ai/MindStudio-lock" source context "What Is Gemma 4? Google's Apache 2.0 Open-Weight Model With ..." Reference image 2: visual
openai.com
ב-3 ביוני 2026 השיקה Google DeepMind את Gemma 4 12B — מודל מולטימודלי צפוף עם 12 מיליארד פרמטרים, שזמין במשקלים פתוחים תחת רישיון Apache 2.0. המודל יודע לעבוד עם טקסט, תמונות, אודיו ווידאו, והחידוש המרכזי בו הוא ארכיטקטורת Unified נטולת מקודדים (encoder-free).
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Gemma 4 12B: מודל ה-AI של גוגל שמוותר על המקודדים ופועל על הלפטופ"?
Gemma 4 12B מחליף מקודדי ראייה ואודיו נפרדים בהקרנות ליניאריות קלות, ומעביר את הקלט ישירות לטרנספורמר יחיד מסוג decoder only [1][3].
What are the key points to validate first?
Gemma 4 12B מחליף מקודדי ראייה ואודיו נפרדים בהקרנות ליניאריות קלות, ומעביר את הקלט ישירות לטרנספורמר יחיד מסוג decoder only [1][3]. המודל בעל 12 מיליארד הפרמטרים השיג 77.2% ב MMLU Pro ו 78.8% ב GPQA Diamond, תוך שהוא גובר על Gemma 3 27B במבחני חשיבה, קוד והבנה מולטימודלית [2][5].
What should I do next in practice?
הוא שוחרר תחת רישיון Apache 2.0 ותומך כבר מההשקה בכלים כמו llama.cpp, Ollama, LM Studio, MLX, vLLM ו Unsloth, לצד אפליקציית Gemma Chat להרצה מקומית על מחשבי Mac עם Apple Silicon [6][7][8].
Gemma 4 12B: מודל ה-AI של גוגל שמוותר על המקודדים ופועל על הלפטופ
Gemma 4 12B מחליף מקודדי ראייה ואודיו נפרדים בהקרנות ליניאריות קלות, ומעביר את הקלט ישירות לטרנספורמר יחיד מסוג decoder only [1][3]. המודל בעל 12 מיליארד הפרמטרים השיג 77.2% ב MMLU Pro ו 78.8% ב GPQA Diamond, תוך שהוא גובר על Gemma 3 27B במבחני חשיבה, קוד והבנה מולטימודלית [2][5].
פורסם על ידינערך באמצעות DeepSeek-V4-Proהתמונות נוצרו באמצעות GPT Image 1.5
Gemma 4 12B מחליף מקודדי ראייה ואודיו נפרדים בהקרנות ליניאריות קלות, ומעביר את הקלט ישירות לטרנספורמר יחיד מסוג decoder only [1][3].
המודל בעל 12 מיליארד הפרמטרים השיג 77.2% ב MMLU Pro ו 78.8% ב GPQA Diamond, תוך שהוא גובר על Gemma 3 27B במבחני חשיבה, קוד והבנה מולטימודלית [2][5].
הוא שוחרר תחת רישיון Apache 2.0 ותומך כבר מההשקה בכלים כמו llama.cpp, Ollama, LM Studio, MLX, vLLM ו Unsloth, לצד אפליקציית Gemma Chat להרצה מקומית על מחשבי Mac עם Apple Silicon [6][7][8].
What is Google DeepMind's newly released Gemma 4 12B open-source multimodal AI model, how does its encoder-free "Unified" architecture proceA conceptual visualization of Gemma 4 12B's unified, encoder-free architecture handling text, images, and audio.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What is Google DeepMind's newly released Gemma 4 12B open-source multimodal AI model, how does its encoder-free "Unified" architecture proce. Article summary: Google DeepMind released **Gemma 4 12B** on June 3, 2026 — a dense, 12-billion-parameter open-source multimodal model under the **Apache 2.0 license**, built around an encoder-free "Unified" architecture designed to run . Topic tags: general, documentation, general web, user generated, academic. Reference image context from search candidates: Reference image 1: visual subject "[Skip to main content](https://www.mindstudio.ai/blog/what-is-gemma-4-google-apache-open-weight-model#main-content)[![Image 4: MindStudio](https://www.mindstudio.ai/MindStudio-lock" source context "What Is Gemma 4? Google's Apache 2.0 Open-Weight Model With ..." Reference image 2: visual
openai.com
ב-3 ביוני 2026 השיקה Google DeepMind את Gemma 4 12B — מודל מולטימודלי צפוף עם 12 מיליארד פרמטרים, שזמין במשקלים פתוחים תחת רישיון Apache 2.0. המודל יודע לעבוד עם טקסט, תמונות, אודיו ווידאו, והחידוש המרכזי בו הוא ארכיטקטורת Unified נטולת מקודדים (encoder-free).
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Gemma 4 12B: מודל ה-AI של גוגל שמוותר על המקודדים ופועל על הלפטופ"?
Gemma 4 12B מחליף מקודדי ראייה ואודיו נפרדים בהקרנות ליניאריות קלות, ומעביר את הקלט ישירות לטרנספורמר יחיד מסוג decoder only [1][3].
What are the key points to validate first?
Gemma 4 12B מחליף מקודדי ראייה ואודיו נפרדים בהקרנות ליניאריות קלות, ומעביר את הקלט ישירות לטרנספורמר יחיד מסוג decoder only [1][3]. המודל בעל 12 מיליארד הפרמטרים השיג 77.2% ב MMLU Pro ו 78.8% ב GPQA Diamond, תוך שהוא גובר על Gemma 3 27B במבחני חשיבה, קוד והבנה מולטימודלית [2][5].
What should I do next in practice?
הוא שוחרר תחת רישיון Apache 2.0 ותומך כבר מההשקה בכלים כמו llama.cpp, Ollama, LM Studio, MLX, vLLM ו Unsloth, לצד אפליקציית Gemma Chat להרצה מקומית על מחשבי Mac עם Apple Silicon [6][7][8].
במקום להעביר תמונה או הקלטה דרך רשת עצבית נפרדת לפני שהמודל הלשוני מתחיל לחשוב, Gemma 4 12B מזין את הקלטים ישירות לטרנספורמר יחיד. לפי Google, התכנון הזה נועד לצמצם את המורכבות ואת זמן ההמתנה של עיבוד מולטימודלי, ולאפשר הרצה מקומית על מחשבים עם כ-16GB של זיכרון גרפי או זיכרון מאוחד .
מה פירוש “ללא מקודד”?
במודלים מולטימודליים מסורתיים פועלת בדרך כלל שרשרת של כמה שלבים: מקודד ראייה מנתח את התמונה, מקודד אודיו מעבד את הצליל, ורק לאחר מכן מודל השפה מקבל את הייצוגים שעברו עיבוד. Gemma 4 12B מסירה את שלבי הביניים האלה ומאחדת את העיבוד בתוך מודל שפה מסוג decoder-only .
כך זה עובד בפועל:
תמונות: מודול הטמעה קטן, בעל כ-35 מיליון פרמטרים, מחליף רשת ראייה מלאה. מקטעי תמונה גולמיים בגודל 48×48 פיקסלים מוקרנים למרחב הייצוג של מודל השפה באמצעות כפל מטריצות. מידע על מיקום המקטעים מתווסף באמצעות טבלאות קואורדינטות נפרדות לצירי X ו-Y .
אודיו: אות אודיו גולמי בקצב דגימה של 16 קילו-הרץ מחולק למסגרות באורך 40 אלפיות השנייה, שכל אחת מהן מכילה 640 ערכי נקודה צפה. המסגרות מוקרנות ישירות למרחב הקלט של המודל, בלי שכבות ה-Conformer ששימשו בגרסאות אחרות של Gemma 4 .
אימון והתאמה: מאחר שהמודל מטפל בטקסט, תמונה ואודיו דרך הקרנות פשוטות ומשתף את ליבת המשקלים, אפשר לבצע התאמה מלאה או להשתמש ב-LoRA במסגרת תהליך אחיד, בין היתר באמצעות Hugging Face Transformers או Unsloth .
התוצאה היא מודל עם חלון הקשר של עד 256 אלף טוקנים, שמקבל טקסט, תמונות, אודיו ווידאו דרך אותה ליבת עיבוד, בלי צינור נפרד של מקודדי מולטימדיה .
ביצועים: מודל קטן יותר, תוצאות גדולות יותר
הנתונים בכרטיס המודל הרשמי של Google מצביעים על שיפור משמעותי ביחס ל-Gemma 3 27B, אף ש-Gemma 4 12B מכיל פחות ממחצית מספר הפרמטרים שלו .
מבחן
Gemma 4 12B Unified
Gemma 3 27B להשוואה
MMLU Pro — שאלות ותשובות רב-תחומיות
77.2%
67.6%
GPQA Diamond — מדע ברמת מומחים
78.8%
42.4%
AIME 2026 — מתמטיקה תחרותית, ללא כלים
77.5%
20.8%
LiveCodeBench v6 — תכנות תחרותי
72.0%
29.1%
Vision MMMU Pro — חשיבה מולטימודלית
69.1%
49.7%
הציון של 78.8% ב-GPQA Diamond בולט במיוחד: מדובר בשיפור של 36.4 נקודות אחוז לעומת Gemma 3 27B. גם במבחן AIME 2026 נרשם שיפור של כמעט פי ארבעה. התוצאות האלה מצביעות על כך שהסרת שכבת המקודדים לא פגעה בהכרח ביכולת החשיבה — ובמקרים האלה אף לוותה בשיפור ניכר .
פתוח, מקומי וזמין במגוון כלים
Gemma 4 12B שוחרר בשתי תצורות: מודל בסיס שעבר אימון מוקדם ומודל שעבר התאמה להוראות. שניהם זמינים תחת רישיון Apache 2.0, רישיון שמאפשר שימוש מסחרי גמיש יחסית .
המודל קיבל תמיכה רחבה כבר ביום ההשקה, נקודה חשובה למפתחים שרוצים להריץ אותו על המחשב שלהם ולא דרך שירות ענן:
llama.cpp — הרצה מקומית באמצעות גרסאות GGUF מכווצות .
LM Studio — ממשק שולחני לגילוי ולהרצה של מודלים מקומיים .
MLX — תמיכה טבעית במחשבי Apple Silicon וניצול הזיכרון המאוחד שלהם .
vLLM — הגשה בקצב גבוה על גבי מעבדי GPU ו-TPU .
Unsloth — גרסאות מכווצות וכלים להתאמה ואימון דרך ממשק Studio בקוד פתוח, ב-macOS, ב-Windows ובלינוקס .
Gemma Chat: סוכן קידוד מקומי למק
לצד המודל קיימת אפליקציית שולחן נפרדת בשם Gemma Chat. מדובר באפליקציית Electron בקוד פתוח, שנבנתה על ידי המעצב Ammar Reshi וזמינה ב-GitHub .
האפליקציה מריצה מודלים ממשפחת Gemma 4 באופן מקומי על מחשבי Mac עם Apple Silicon, באמצעות מסגרת MLX. לאחר הורדת המודל הראשונית היא אינה זקוקה למפתח API, לשירות ענן או לחיבור לאינטרנט .
הפיצ'ר המרכזי הוא Build Mode — מצב של סוכן קידוד. המשתמש מתאר בשפה טבעית מה הוא רוצה לבנות, והמודל מייצר קובצי HTML, CSS ו-JavaScript לפרויקטים מרובי-קבצים. במקביל, הקוד מוזרם לחלונית תצוגה מקדימה שמתעדכנת בזמן אמת. האפליקציה כוללת גם קלט קולי ומשתמשת בפקודות כלים המבוססות על XML במקום JSON, תכנון שנועד להיות אמין יותר עבור מודלים קטנים בסוג זה של משימות .
Gemma Chat הושקה במקור סביב אפריל 2026 עבור גרסאות אחרות של Gemma 4. עם זמינות Gemma 4 12B Unified היא יכולה להריץ גם את המודל נטול המקודדים, ולהציע סביבת פיתוח מקומית שמאפשרת להתנסות בבניית תוכנה גם ללא תלות קבועה בענן .
במקום להעביר תמונה או הקלטה דרך רשת עצבית נפרדת לפני שהמודל הלשוני מתחיל לחשוב, Gemma 4 12B מזין את הקלטים ישירות לטרנספורמר יחיד. לפי Google, התכנון הזה נועד לצמצם את המורכבות ואת זמן ההמתנה של עיבוד מולטימודלי, ולאפשר הרצה מקומית על מחשבים עם כ-16GB של זיכרון גרפי או זיכרון מאוחד .
מה פירוש “ללא מקודד”?
במודלים מולטימודליים מסורתיים פועלת בדרך כלל שרשרת של כמה שלבים: מקודד ראייה מנתח את התמונה, מקודד אודיו מעבד את הצליל, ורק לאחר מכן מודל השפה מקבל את הייצוגים שעברו עיבוד. Gemma 4 12B מסירה את שלבי הביניים האלה ומאחדת את העיבוד בתוך מודל שפה מסוג decoder-only .
כך זה עובד בפועל:
תמונות: מודול הטמעה קטן, בעל כ-35 מיליון פרמטרים, מחליף רשת ראייה מלאה. מקטעי תמונה גולמיים בגודל 48×48 פיקסלים מוקרנים למרחב הייצוג של מודל השפה באמצעות כפל מטריצות. מידע על מיקום המקטעים מתווסף באמצעות טבלאות קואורדינטות נפרדות לצירי X ו-Y .
אודיו: אות אודיו גולמי בקצב דגימה של 16 קילו-הרץ מחולק למסגרות באורך 40 אלפיות השנייה, שכל אחת מהן מכילה 640 ערכי נקודה צפה. המסגרות מוקרנות ישירות למרחב הקלט של המודל, בלי שכבות ה-Conformer ששימשו בגרסאות אחרות של Gemma 4 .
אימון והתאמה: מאחר שהמודל מטפל בטקסט, תמונה ואודיו דרך הקרנות פשוטות ומשתף את ליבת המשקלים, אפשר לבצע התאמה מלאה או להשתמש ב-LoRA במסגרת תהליך אחיד, בין היתר באמצעות Hugging Face Transformers או Unsloth .
התוצאה היא מודל עם חלון הקשר של עד 256 אלף טוקנים, שמקבל טקסט, תמונות, אודיו ווידאו דרך אותה ליבת עיבוד, בלי צינור נפרד של מקודדי מולטימדיה .
ביצועים: מודל קטן יותר, תוצאות גדולות יותר
הנתונים בכרטיס המודל הרשמי של Google מצביעים על שיפור משמעותי ביחס ל-Gemma 3 27B, אף ש-Gemma 4 12B מכיל פחות ממחצית מספר הפרמטרים שלו .
מבחן
Gemma 4 12B Unified
Gemma 3 27B להשוואה
MMLU Pro — שאלות ותשובות רב-תחומיות
77.2%
67.6%
GPQA Diamond — מדע ברמת מומחים
78.8%
42.4%
AIME 2026 — מתמטיקה תחרותית, ללא כלים
77.5%
20.8%
LiveCodeBench v6 — תכנות תחרותי
72.0%
29.1%
Vision MMMU Pro — חשיבה מולטימודלית
69.1%
49.7%
הציון של 78.8% ב-GPQA Diamond בולט במיוחד: מדובר בשיפור של 36.4 נקודות אחוז לעומת Gemma 3 27B. גם במבחן AIME 2026 נרשם שיפור של כמעט פי ארבעה. התוצאות האלה מצביעות על כך שהסרת שכבת המקודדים לא פגעה בהכרח ביכולת החשיבה — ובמקרים האלה אף לוותה בשיפור ניכר .
פתוח, מקומי וזמין במגוון כלים
Gemma 4 12B שוחרר בשתי תצורות: מודל בסיס שעבר אימון מוקדם ומודל שעבר התאמה להוראות. שניהם זמינים תחת רישיון Apache 2.0, רישיון שמאפשר שימוש מסחרי גמיש יחסית .
המודל קיבל תמיכה רחבה כבר ביום ההשקה, נקודה חשובה למפתחים שרוצים להריץ אותו על המחשב שלהם ולא דרך שירות ענן:
llama.cpp — הרצה מקומית באמצעות גרסאות GGUF מכווצות .
LM Studio — ממשק שולחני לגילוי ולהרצה של מודלים מקומיים .
MLX — תמיכה טבעית במחשבי Apple Silicon וניצול הזיכרון המאוחד שלהם .
vLLM — הגשה בקצב גבוה על גבי מעבדי GPU ו-TPU .
Unsloth — גרסאות מכווצות וכלים להתאמה ואימון דרך ממשק Studio בקוד פתוח, ב-macOS, ב-Windows ובלינוקס .
Gemma Chat: סוכן קידוד מקומי למק
לצד המודל קיימת אפליקציית שולחן נפרדת בשם Gemma Chat. מדובר באפליקציית Electron בקוד פתוח, שנבנתה על ידי המעצב Ammar Reshi וזמינה ב-GitHub .
האפליקציה מריצה מודלים ממשפחת Gemma 4 באופן מקומי על מחשבי Mac עם Apple Silicon, באמצעות מסגרת MLX. לאחר הורדת המודל הראשונית היא אינה זקוקה למפתח API, לשירות ענן או לחיבור לאינטרנט .
הפיצ'ר המרכזי הוא Build Mode — מצב של סוכן קידוד. המשתמש מתאר בשפה טבעית מה הוא רוצה לבנות, והמודל מייצר קובצי HTML, CSS ו-JavaScript לפרויקטים מרובי-קבצים. במקביל, הקוד מוזרם לחלונית תצוגה מקדימה שמתעדכנת בזמן אמת. האפליקציה כוללת גם קלט קולי ומשתמשת בפקודות כלים המבוססות על XML במקום JSON, תכנון שנועד להיות אמין יותר עבור מודלים קטנים בסוג זה של משימות .
Gemma Chat הושקה במקור סביב אפריל 2026 עבור גרסאות אחרות של Gemma 4. עם זמינות Gemma 4 12B Unified היא יכולה להריץ גם את המודל נטול המקודדים, ולהציע סביבת פיתוח מקומית שמאפשרת להתנסות בבניית תוכנה גם ללא תלות קבועה בענן .
developers.googleblog.comGemma 4 12B: The Developer Guide
ai.google.devGemma 4 model overview | Google AI for Developers
blog.googleIntroducing Gemma 4 12B: a unified, encoder-free multimodal model
marktechpost.comGoogle DeepMind Releases Gemma 4 12B: An Encoder-Free Multimodal Model with Native audio that runs on a 16 GB laptop