谷歌正式发布开源多模态模型Gemma 4 12B，采用全新「无编码器」（encoder-free）统一架构，将图像、音频等多模态数据直接输入大模型主干，从而降低多模态处理延迟。它是Gemma系列首个支持原生音频输入的中型模型，体积足够小，可在配备16GB显存或统一内存的GPU笔记本上本地运行。谷歌同时首次推出可下载的macOS桌面应用，让开发者直接在消费级设备上体验完全本地化的语音与视觉交互。
