Googleは6月3日(現地時間)、新しいAIモデル「Gemma 4 12B」を発表しました。「ノートPCで高度なマルチモーダルAIを動かす」という野心的なテーマを現実に近づけるモデルで、。従来の軽量モデルE4Bと、より大規模な26B MoEモデルの中間に位置しながら、高い推論性能と軽量性を両立している点が特徴です。Gemmaシリーズはすでに1.5億ダウンロードを突破しており、開発者コミュニティの勢いも強まっています。今回の12B追加は、その流れをさらに加速させる存在になりそうです。エンコーダーを排した「統合アーキテクチャ」Gemma 4 12Bの最大の特徴は、画像・音声の専用エンコーダーを廃止した統合アーキテクチャにあります。一般的なマルチモーダルモデルは、画像や音声を処理するために別のエンコーダーを用意します。しかしGemma 4 12Bは、視覚・音声入力をそのままLLMのバックボーンに流し込む設計を採用しています。画像処理：軽量な埋め込みモジュールを通して LLM が直接処理します音声処理：音声エンコーダーを完全に排除し、生の音声波形をテキストと同じ次元に射影して処理しますこの大胆な構造により、レイテンシ削減・メモリ削減・処理効率の向上を同時に実現しています。16GBメモリのノートPCで動作するGemma 4 12Bは16GBのVRAMまたはユニファイドメモリがあればローカルで動作します。つまり、一般的なノートPCでも高度なマルチモーダル推論やエージェント的な処理が可能になります。性能面では、26B MoEに迫るベンチマーク結果を示しており、サイズ以上の実力を持つモデルです。開発者向けのエコシステムも充実GoogleはGemma 4 12BをApache 2.0ライセンスで公開し、幅広いツールで利用できるようにしています。LM Studio、Ollama、Google AI Edgeアプリなどで即試せるHugging FaceやKaggleからモデルをダウンロード可能Transformers、llama.cpp、MLX、vLLMなど主要フレームワークに対応Unslothを使った効率的なファインチューニングも可能Google Cloudでのデプロイにも対応(Model Garden、Cloud Run、GKEなど)さらに、Gemmaモデル向けの公式Skills Repositoryも公開され、エージェント開発の基盤が整いつつあります。まとめGemma 4 12Bは、「高性能×軽量×マルチモーダル×ローカル実行」という、これからのAIモデルに求められる要素をすべて押さえています。ノートPCでも高度なエージェントを動かせる未来が、いよいよ現実味を帯びてきました。