Google anunció el modelo Gemma 4 12B el lunes, posicionándolo como una alternativa ligera a la versión más grande de 26 mil millones de parámetros en la familia Gemma. A pesar de su tamaño más pequeño, el nuevo modelo maneja razonamientos complejos multietapa y flujos de trabajo agénticos que anteriormente exigían variantes más pesadas. La empresa dice que el modelo 12B logra un rendimiento comparable mientras se ajusta cómodamente a cualquier laptop equipada con 16 GB de RAM.

Gemma 4 12B viene con predictores de predicción de tokens múltiples (MTP) integrados, una característica que Google anteriormente ofrecía solo como un complemento opcional para otros modelos Gemma 4. MTP aprovecha los ciclos de procesamiento inactivos para predecir múltiples tokens futuros al mismo tiempo, mejorando la velocidad y reduciendo el desperdicio computacional. El resultado es una experiencia de usuario más fluida y receptiva sin sacrificar la calidad de salida.

Procesamiento multimodal optimizado

La serie Gemma 4 es nativamente multimodal, aceptando texto, imágenes y audio. La mayoría de los sistemas de inteligencia artificial generativa dependen de codificadores separados para entradas no textuales, un diseño que infla la latencia y las huellas de memoria. Los ingenieros de Google rehicieron la tubería de visión, reemplazando el codificador convencional con una multiplicación de matriz única y un embbeding posicional. Este módulo optimizado proporciona conciencia espacial al núcleo del lenguaje sin la carga de un codificador de capa media tradicional. El manejo de audio es aún más radical: las señales raw de audio se proyectan directamente en el mismo espacio vectorial utilizado para tokens de texto, eliminando cualquier codificador de audio dedicado.

Los desarrolladores pueden experimentar con Gemma 4 12B sin descargar los archivos del modelo utilizando plataformas como LM Studio, Google AI Edge Gallery y otras interfaces compatibles. Para aquellos que prefieren la implementación local, los pesos del modelo —justo por debajo de 18 GB— están disponibles en Kaggle y Hugging Face. Con el requisito de RAM modesto, los investigadores y aficionados pueden ejecutar el modelo en laptops de consumo estándar, abriendo la puerta a aplicaciones de inteligencia artificial privadas y en dispositivo.

Cet article a été rédigé avec l'assistance de l'IA.
News Factory APP - actualités agentiques pour booster votre SEO et AEO.