گوگل با معرفی مدل Gemma 4 12B گام مهمی در جهت اجرای مدلهای قدرتمند هوش مصنوعی روی سختافزارهای شخصی برداشت؛ مدلی چندوجهی و عاملمحور که میتواند با تنها ۱۶ گیگابایت حافظه روی لپتاپهای معمولی اجرا شود.
به گزارش لوح خبر، دنیای هوش مصنوعی در حال تجربه تغییری بزرگ است؛ جایی که مدلهای پیشرفته دیگر به ابرکامپیوترهای عظیم وابسته نیستند و امکان اجرای آنها روی دستگاههای شخصی فراهم شده است. گوگل با معرفی Gemma 4 12B تلاش کرده شکاف میان مدلهای سبک و مدلهای سنگین ۲۶ میلیارد پارامتری را پر کند و تجربهای قدرتمند از هوش مصنوعی چندوجهی را در اختیار کاربران قرار دهد.
بر اساس بیانیه رسمی گوگل، این مدل به قابلیتهای صوتی بومی مجهز شده و از معماری یکپارچه بدون انکودر استفاده میکند. در این ساختار، ورودیهای تصویری و صوتی مستقیماً به هسته اصلی مدل زبانی بزرگ هدایت میشوند؛ موضوعی که باعث کاهش قابل توجه تأخیر پردازش و مصرف حافظه میشود.
در مدلهای سنتی معمولاً از انکودرهای جداگانه برای تبدیل تصاویر و صدا به داده قابل پردازش استفاده میشود، اما در Gemma 4 12B گوگل رویکرد سادهتری را به کار گرفته است. در بخش بینایی، انکودرهای سنگین با یک ماژول تعبیه سبک جایگزین شدهاند و در بخش صوتی نیز سیگنالهای خام مستقیماً به فضای توکنهای متنی منتقل میشوند.
این بهینهسازیها باعث شده عملکرد Gemma 4 12B به مدلهای ۲۶ میلیارد پارامتری نزدیک باشد، در حالی که تنها با ۱۶ گیگابایت VRAM یا حافظه یکپارچه روی لپتاپهای معمولی قابل اجرا است. این مدل همچنین از معماری پیشرفته Gemma 4 31B بهره میبرد که در آن یک Vision Embedder با ۳۵ میلیون پارامتر جایگزین لایههای سنگین پردازش تصویر شده است و دادههای صوتی ۱۶ کیلوهرتزی نیز مستقیماً وارد فضای ورودی مدل تصویر میشوند.
یکی از ویژگیهای مهم Gemma 4 12B استفاده از قابلیت MTP برای کاهش تأخیر در پاسخدهی است که تجربهای روان از استدلال چندمرحلهای را فراهم میکند. این مدل علاوه بر یک سیستم هوش مصنوعی، به عنوان یک اکوسیستم کامل برای ساخت عاملهای هوشمند نیز طراحی شده و با استفاده از کتابخانه Gemma Skills امکان کدنویسی، تحلیل ویدیو و انجام استدلالهای پیچیده را در اختیار کاربران قرار میدهد.
این مدل از ابزارهای توسعه متعددی پشتیبانی میکند و توسعهدهندگان میتوانند وزنهای آن را از طریق Hugging Face و Kaggle دریافت کنند و در پروژههایی مانند تحلیل ویدیو یا ساخت اپلیکیشنهای هوشمند از آن بهره ببرند.
گوگل مدل Gemma 4 12B را تحت مجوز Apache 2.0 منتشر کرده و آن را با اکوسیستمهای مختلف توسعهدهنده سازگار ساخته است. کاربران میتوانند از طریق ابزارهایی مانند LM Studio، Ollama و LiteRT‑LM به این مدل دسترسی داشته باشند. همچنین برای استقرار در مقیاس سازمانی، امکان استفاده از Google Cloud، Cloud Run و GKE فراهم شده تا توسعهدهندگان بتوانند پروژههای خود را به راحتی وارد محیط عملیاتی کنند.autorenewthumb_upthumb_down
