Beobachtetes Signal · 8. Juni 2026 · Technical Release · Quelle: t3n · Relevanz: 4/5 · Sentiment: Positiv
Googles Gemma 4 12B: Multimodales KI-Modell läuft lokal auf Laptops
Google DeepMind hat Gemma 4 12B veröffentlicht, ein neues Open-Source-Multimediainstrument aus der Gemma- und Gemini-Familie, das direkt auf handelsüblichen Notebooks ausgeführt werden kann. Das Modell mit 12 Milliarden Parametern verarbeitet Text, Bilder und – als native Funktion – Audio. Laut Google benötigt es rund 16 GB System- oder GPU-Speicher. Gemma 4 12B steht unter einer Apache-2.0-Lizenz für Entwicklungs- und kommerzielle Zwecke zur Verfügung. Es nutzt eine einheitliche Architektur, die auf separate Vision- oder Audio-Encoder verzichtet, indem Eingaben direkt in das LLM-Backbone eingespeist werden. Benchmarks zeigen eine Leistung nahe an der größeren 26B-MoE-Variante von Google. Das Modell ist bereits über Tools wie LM Studio verfügbar; Inferenzprozesse ohne dedizierte GPU verlaufen jedoch langsamer.
Die Veröffentlichung eines lokal ausführbaren, multimodalen Open-Source-LLMs mit nativer Audio-Unterstützung und permissiver Lizenzierung durch eine Major-Plattform wie Google/DeepMind senkt die Einstiegshürden für lokale KI-Agenten und beeinflusst Deployment, Datenschutz sowie Entwickler-Tooling im gesamten Ökosystem.
Marktsignale zu Google in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- DeepMind/Google kündigte Gemma 4 12B an, ein multimodales Modell mit 12 Milliarden Parametern.
- Gemma 4 12B verarbeitet Audio, Text und Bilder nativ und benötigt etwa 16 GB RAM oder GPU-Speicher.
- Das Modell wird unter der Apache-2.0-Lizenz für Entwickler und kommerzielle Anwendungen bereitgestellt.
- Gemma 4 12B verwendet eine einheitliche Architektur zur direkten Verarbeitung multimodaler Inputs im LLM-Backbone ohne separate Encoder.
- Google positioniert Gemma 4 12B zwischen kleineren Edge-Varianten (E4B) und einem größeren 26B Mixture-of-Experts (MoE) Modell; es ist über LM Studio verfügbar.
Verknüpfte Unternehmen
3 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Google veröffentlicht Gemma 4: Open-Weight-LLMs für Edge und Cloud
Google hat im April 2026 Gemma 4 vorgestellt, eine Familie offener, multimodaler Large Language Models unter der Apache-2.0-Lizenz. Die vier Varianten E2B, E4B, 26B MoE und 31B ermöglichen die vollständige Offline-Ausführung auf lokalen Geräten wie Smartphones und Laptops. Die kleineren Modelle unterstützen ein Kontextfenster von 128.000 Token, während die größeren Varianten 256.000 Token bewältigen. Gemma 4 bietet erweiterte Funktionen wie Function Calling, agentenbasierte Workflows, multimodale Vision- und Audio-Eingaben sowie einen Thinking Mode für schrittweises Reasoning. Die Veröffentlichung legt den Fokus auf lokale, kostenfreie Inferenz ohne Cloud-Gebühren sowie auf maximale Datensouveränität für Entwickler. Dank gängiger Runtimes wie Ollama und LM Studio gestaltet sich die Bereitstellung unkompliziert. Architektonische Innovationen bei der Skalierung langer Kontexte ermöglichen eine effiziente On-Device-Inferenz für breite kommerzielle Anwendungen ohne laufende API-Kosten.
Google DeepMind veröffentlicht multimodale Open-Weight-Modelle der Gemma-4-Familie
Google DeepMind hat Gemma 4 vorgestellt, eine neue Familie von Open-Weight-Modellen unter einer Apache-2.0-Lizenz mit nativer Unterstützung für Text, Vision und Audio. Das Line-up umfasst ein 31B-Dense-Modell, eine 26B-MoE-Variante sowie zwei Edge-fokussierte Modelle (E4B, E2B). Die großen Modelle unterstützen Kontextfenster von bis zu 256K Token und wurden für Agenten-Workflows sowie lokale Deployments optimiert. Erste Benchmarks zeigen eine starke Performance bei Reasoning und Token-Effizienz. Zudem gab es einen Day-0-Support in gängigen Serving-Stacks wie llama.cpp, Ollama, vLLM und LM Studio. Die Veröffentlichung markiert einen signifikanten Fortschritt für On-Device-Agents und Open-Agent-Architekturen.
Gemma 4 demonstriert lokale multimodale KI jenseits von Text
Ein Entwicklerbericht auf Dev.to verdeutlicht, wie Googles Gemma 4-Modellfamilie die Wahrnehmung von lokalem AI-Einsatz verändert, da sie multimodale Funktionen wie Text, Bilder und in bestimmten Setups Audio auf gewöhnlicher Hardware ermöglicht. Als Open-Weight-Modellfamilie umfasst Gemma 4 diverse Grössenvarianten, darunter Edge-optimierte E2B- und E4B-Modelle für Laptops sowie grössere 26B- und 31B-Varianten für anspruchsvollere Reasoning-Aufgaben. Der Autor testete lokale Workflows mit Bild-Input und Text-Output, wie etwa das Erklären von Diagrammen, das Zusammenfassen handschriftlicher Notizen und das Bewerten von UI-Mockups. Dabei stechen besonders die langen Context Windows von etwa 128K bis 256K Token, die Datenschutzvorteile durch lokale Inferenz sowie die praxisnahen Kompromisse bei der Auswahl der passenden Modellvariante für spezifische Hardware und Anwendungsfälle hervor.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.