گوگل مدل متن‌باز Gemma 4 12B را معرفی کرده که متن، تصویر و صدا را به‌صورت بومی پردازش می‌کنه و روی لپ‌تاپ‌های معمولی با 16 گیگابایت VRAM هم اجرا می‌شه

این مدل نیاز به انکودرهای جداگانه برای تصویر و صدا را حذف کرده و در عین مصرف حافظه کمتر، عملکردی نزدیک به مدل‌های بزرگ‌تر ارائه میده