Google DeepMind ha appena rilasciato Gemma 4 12B, e questa volta non serve un cluster per farlo girare. Parliamo di un modello multimodale — testo, immagini, audio — che funziona direttamente sul vostro laptop. Quello da lavoro, per intenderci. Quello con 16GB di RAM che vi sembravano sempre troppo pochi.
La famiglia Gemma ha superato i 150 milioni di download. Centocinquanta milioni. Gli sviluppatori ci hanno costruito di tutto: braccia robotiche indossabili, sistemi di sicurezza enterprise, e probabilmente anche un bot che ordina pizza. Ora arriva questo 12B che promette di portare capacità avanzate senza richiedere hardware da fantascienza.
Perché questo modello è diverso
La vera novità? Niente encoder separati. I modelli multimodali tradizionali usano componenti distinti per processare immagini e audio prima di passare tutto al modello linguistico. Più complessità, più latenza, più memoria divorata.
Gemma 4 12B butta via questo approccio. Le immagini? Una semplice moltiplicazione di matrici, embedding posizionale e normalizzazioni. L’audio? Ancora più semplice: il segnale grezzo viene proiettato direttamente nello stesso spazio dimensionale dei token di testo. Fine. Niente strati intermedi, niente colli di bottiglia.
Il risultato è un’architettura unificata che gestisce tutto — testo, visione, audio — dentro lo stesso backbone. Meno componenti da orchestrare, meno overhead, più efficienza.
Le performance sono sul serio?
Secondo Google, il 12B si avvicina al loro modello 26B Mixture of Experts sui benchmark standard. Stiamo parlando di ragionamento multi-step, workflow agentici, quelle cose che fino a ieri richiedevano modelli enormi.
Ma qui sta il punto: lo fa con meno della metà del footprint di memoria. Il 26B è potente, certo, ma provate a farlo girare in locale. Il 12B invece ci sta in 16GB di VRAM o memoria unificata. Tradotto: MacBook Pro, laptop gaming di fascia media, workstation entry-level. Hardware che probabilmente avete già sulla scrivania.
Multi-Token Prediction per ridurre la latenza
C’è un altro dettaglio interessante: il modello arriva con dei ‘drafter’ MTP — Multi-Token Prediction. In pratica, sistemi che aiutano a ridurre la latenza durante l’inferenza. Non è magia, ma quando fate girare un modello in locale ogni millisecondo conta.
Licenza Apache 2.0 (quella vera)
Apache 2.0. Che tradotto significa: prendetelo, modificatelo, usatelo commercialmente, fateci quello che volete. Niente clausole nascoste, niente limitazioni d’uso strane. È open in modo serio.
E l’ecosistema di sviluppo è già pronto: LM Studio, Ollama, Hugging Face Transformers, llama.cpp, MLX, SGLang, vLLM. Se avete un tool preferito per l’inferenza, probabilmente supporta già Gemma 4 12B. Per il fine-tuning? Unsloth è già integrato.
Repository di Skills per agenti
Google ha rilasciato anche un repository ufficiale di ‘Skills’ — una libreria di capacità progettate specificamente per costruire agenti con i modelli Gemma. Non è solo un modello buttato lì: c’è un’infrastruttura pensata per sviluppare applicazioni agentiche vere.
Volete deployare in produzione? Avete Google Cloud con Gemini Enterprise Agent Platform Model Garden, Cloud Run, GKE. Oppure fate tutto in locale. La scelta è vostra, e questo è esattamente il punto.
Cosa significa davvero
Gemma 4 12B non è il modello più grande, né quello con i numeri più impressionanti sui benchmark. Ma è quello che potete effettivamente usare senza affittare GPU su cloud o svuotare il conto in banca per hardware dedicato.
Multimodalità nativa — testo, immagini, audio — su un laptop consumer. Architettura semplificata che elimina componenti inutili. Licenza aperta senza asterischi. Questo è il tipo di rilascio che sposta davvero l’asticella dell’accessibilità.
I pesi sono già su Hugging Face e Kaggle. La documentazione è pubblicata. Gli strumenti di sviluppo sono pronti. Se avete 16GB di RAM e curiosità, non ci sono più scuse per non sperimentare.
