LLM EU
Izbornik
Modeli

Gemma 4 12B It

Google DeepMind

Samo u katalogu Otvoreni utezi

Posljednji pregled:

Suverenost i hosting

Samo katalog

Ovaj model je u katalogu za referencu. Još nije hostan na LLM EU i nijedan endpoint prvog lica ga ovdje ne poslužuje. Zahtjevi za njega idu izravno pružatelju, pod uvjetima tog pružatelja.

Sažetak

Kontrolna točka je podešena uputama i isporučuje predložak za chat. Gemma 4 12B It objavio je Google DeepMind kao otvorene težine s 12B parametara pod Apache-2.0 licencom. Prihvaća audio ulaz i ispisuje tekst. Objavljena konfiguracija ne bilježi kontekstni prozor, tako da ova kartica ne sadrži nijedan. Spremište je stvoreno u svibnju 2026. i zrcaljeno je na Hugging Faceu. Kartica je samo za katalog: LLM EU ne pokreće ovaj model. Izdavač ne navodi jezičnu pokrivenost na stranici modela.

Specifikacije

Pružatelj
Google DeepMind (US)
Kontekstni prozor
Nije provjereno: pružatelj nije dokumentirao ovu tvrdnju.
Parametri
12B
Modaliteti
text, vision, audio
Licenca
apache-2.0 · licence
Otvoreni utezi
yes
Datum izdanja
23. svi 2026.
Zadaci
Višejezična podrška, Vizija, Sažimanje

Jezici

Jako: —

Zadovoljavajuće: —

Jako

    Zadovoljavajuće

      Nije provjereno: pružatelj nije dokumentirao ovu tvrdnju. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Kada ga koristiti

      Prednosti

      • 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

      Ograničenja

      • 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