谷歌发布 Gemma 4 12B:一个去掉独立图像编码器的多模态模型
Gemma 4 12B: A unified, encoder-free multimodal model
谷歌在官方博客宣布了 Gemma 4 12B,主打“统一、无编码器”的多模态设计。简单说,它不再像传统模型那样给图片单独配一个视觉编码器,而是让同一个模型直接处理文字和图像。博客里没给架构细节、训练数据、基准跑分、定价和开源协议,只提了一句“能在笔记本上跑高性能多模态智能”。
推荐理由:谷歌发布 Gemma 4 12B,采用去掉独立视觉编码器的统一多模态设计,让同一模型直接处理文字和图像,为观察多模态架构省去独立编码器这一路线提供了实例。