# 谷歌发布 Gemma 4 12B：一个去掉独立图像编码器的多模态模型

> 原标题：Gemma 4 12B: A unified, encoder-free multimodal model

- 来源：Hacker News 首页
- 发布时间：2026-06-03T16:04:42.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/33629
- 原文：https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemma-4-12b/

## 摘要

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。

## 锐评

12B 能在笔记本上跑多模态，这个方向我认，但谷歌这次只给了个标题。没有跑分、没有架构细节、没有开源协议，连参数量怎么分配都没说，就一句高性能多模态智能。无编码器这个卖点如果真成立，省的是显存和推理延迟，对本地跑的人挺实在。可现在连它是不是真开源都不知道，Gemma 前几代是开放权重，这代要是转闭源，那 HN 上这波热度就白给了。权重放出来之前，我当预告看。
