这篇文章介绍了 Google 的新开源语言模型 Gemma 4 12B。该模型采用了统一的架构，并且在训练过程中不需要使用编码器，从而简化了模型的构建和部署。文章重点强调了 Gemma 4 12B 在处理多种模态数据的能力，例如文本、图像和音频。它展示了该模型在各种任务上的表现，包括自然语言理解、生成和跨模态推理。文章还讨论了 Gemma 4 12B 的优势，如其高效的训练过程、相对较小的规模以及在资源受限环境中的适用性。

📎 原文：Gemma 4 12B: A unified, encoder-free multimodal model | 来源：Hacker News