LLM EU
Menu
Modely

Gemma 4 12B It

Google DeepMind

Pouze katalog Otevřené váhy

Naposledy zkontrolováno:

Suverenita a hosting

Pouze v katalogu

Tento model je uveden v katalogu pro referenci. Zatím není hostován na LLM EU a žádný endpoint první strany zde neposkytuje jeho služby. Požadavky na něj směřují přímo k poskytovateli, podle jeho vlastních podmínek.

Shrnutí

Kontrolní bod je vyladěn instrukcemi a obsahuje šablonu chatu. Gemma 4 12B It je publikován společností Google DeepMind jako otevřené váhy s 12B parametry pod licencí Apache-2.0. Přijímá zvuk a vypisuje text. Zveřejněná konfigurace nezaznamenává žádné kontextové okno, takže tato karta žádné neobsahuje. Repozitář byl vytvořen v květnu 2026 a je zrcadlen na Hugging Face. Karta je pouze katalogová: LLM EU tento model nespouští. Vydavatel na stránce modelu neuvádí žádné jazykové pokrytí.

Specifikace

Poskytovatel
Google DeepMind (US)
Kontextové okno
Neověřeno: poskytovatel toto tvrzení nedokumentoval.
Parametry
12B
Modality
text, vision, audio
Licence
apache-2.0 · licence
Otevřené váhy
yes
Datum vydání
23. 5. 2026
Úlohy
Vícejazyčná podpora, Zpracování obrazu, Shrnutí

Jazyky

Silná: —

Dostatečná: —

Silná

    Dostatečná

      Neověřeno: poskytovatel toto tvrzení nedokumentoval. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Kdy použít

      Silné stránky

      • open weights are published on Hugging Face and can be downloaded without a vendor agreement
      • Apache-2.0 licence, so commercial self-hosting is permitted without a separate agreement
      • at 12B parameters it fits on a single accelerator
      • instruction-tuned checkpoint with a chat template in the repository
      • speech recognition runs locally, so audio never leaves the operator premises

      Omezení

      • catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
      • no evaluation has been run by LLM EU
      • the published configuration records no context window, so the card carries none
      • at 12B parameters, self-hosting needs a single accelerator with enough memory for the weights
      • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model