텍스트·이미지·영상·오디오를 모두 처리하는 멀티모달 모델인데, 16GB VRAM 노트북이나 애플 실리콘 맥에서 로컬로 돌아가거든요

구글 딥마인드가 Gemma 4 12B를 오픈소스로 공개했어요. 텍스트·이미지·영상·오디오를 모두 처리하는 멀티모달 모델인데, 16GB VRAM 노트북이나 애플 실리콘 맥에서 로컬로 돌아가거든요.

가장 큰 특징은 '인코더 없는 설계'예요. 기존 Gemma 모델들은 비전용 5억 5천만, 오디오용 3억 파라미터짜리 인코더를 따로 달고 있었는데, 12B는 그걸 전부 없애고 디코더 하나로 모든 입력을 처리해요. 비전 임베더가 3천 500만 파라미터밖에 안 되는데도 이미지·오디오를 네이티브로 소화하는 거예요.

Apache 2.0 라이선스라 상업적 활용도 자유롭고, llama.cpp·Ollama·vLLM 등 주요 추론 스택과 전부 호환돼요. 허깅페이스와 캐글에서 바로 내려받을 수 있어요. 로컬 AI 환경이 또 한 단계 넓어진 느낌이에요.