Google'ın Yeni Açık Mənbəli Gemma 4 12B Modeli Audio və Video Təhlil Edir və Tamamilə Yerli İşləyir

Google, böyük və güclü modellərə diqqət yetirən bir çox açıq mənbəli AI təminatçısının əksinə olaraq, daha kiçik və yerli işləməyə uyğun modellərə də önəm verir. Bu gün texnoloji nəhəng, 11.95 milyard parametrli açıq çəkili Gemma 4 12B modelini təqdim etdi. Bu model, Apache 2.0 lisenziyası ilə təmin edilir və standart bir korporativ noutbukda cəmi 16GB VRAM və ya vahid yaddaşla tamamilə yerli şəkildə işləmək üçün optimallaşdırılıb. Bu o deməkdir ki, Wi-Fi olmadan təyyarədə işləyərkən və ya təhlükəsizlik səbəbiylə oflayn qalmaq istəyən korporativ istifadəçilər, indi AI-dan daha asan və daha az xərclə (pulsuz yükləmə və istifadə) faydalana bilərlər. Gemma 4 12B modelinin ən əhəmiyyətli yeniliyi, "Unified" (Vahid) adlanan və heç bir kodlayıcı tələb etməyən arxitekturasıdır. Bu arxitektura, xam audio dalğa formalarının və vizual parçaların, ikinci dərəcəli emal modullarının gecikməsi və ya yaddaş yükü olmadan, birbaşa əsas LLM (Böyük Dil Modeli) onurğasına daxil olmasına imkan verir. Model dərhal Hugging Face, Kaggle və Google AI Edge Gallery platformalarında yükləmə üçün əlçatandır. Gemma 4 12B, 256K token kontekst pəncərəsi, yerli agent alət istifadə qabiliyyəti və addım-addım düşünmə rejimi kimi xüsusiyyətləri, mobil kənar modellərlə ağır məlumat mərkəzi infrastrukturu arasındakı boşluğu dolduran yüksək optimallaşdırılmış bir paketdə təqdim edir. **Arxitektura Dəyişikliyi: Kodlayıcısız Üstünlüyün Anlaşılması** Gemma 4 12B, korporativ arxitektura üçün yeni "Unified" quruluşu səbəbindən olduqca aktualdır. Ənənəvi multimodal sistemlər, audio dalğa formalarını və vizual məlumatları əsas dil modelinin emal edə biləcəyi təsvirlərə çevirmək üçün adətən ayrı-ayrı kodlayıcılardan istifadə edir. Bu klassik yanaşma, həm çıxarım gecikməsini, həm də ümumi yaddaş istehlakını artırır. Gemma 4 12B, bu ikinci dərəcəli kodlayıcılar olmadan işləyərək bu prosesi kökündən dəyişdirir. Bunun əvəzinə, vizual parçalar və xam audio dalğa formaları, yüngül xətti təbəqələr vasitəsilə birbaşa əsas böyük dil modelinin yerləşdirmə məkanına proyeksiya edilir. Vizual kodlayıcı, daha sadə və daha səmərəli bir quruluşla əvəz olunur, bu da modelin daha sürətli işləməsinə və daha az yaddaş tutmasına səbəb olur.