O Google lançou o Gemma 4 12B, um modelo multimodal unificado que elimina os codificadores tradicionais para processar diretamente dados visuais e de áudio. Ele requer apenas 16 GB de VRAM para implantação local em hardware de consumo. Ao utilizar camadas de incorporação leves, ele reduz a complexidade computacional ao mesmo tempo em que se aproxima do desempenho do modelo MoE de 26 bilhões de parâmetros. Disponibilizado como código aberto sob a licença Apache 2.0, ele suporta várias estruturas de inferência e implantação de ponta, com mais de 150 milhões de downloads.