LLM EU
Menu
Modele

Gemma 4 12B It

Google DeepMind

Tylko w katalogu Otwarte wagi

Ostatnio sprawdzono:

Suwerenność i hosting

Tylko w katalogu

Ten model jest skatalogowany w celach informacyjnych. Nie jest jeszcze hostowany w LLM EU i żaden własny endpoint go tu nie obsługuje. Żądania do niego trafiają bezpośrednio do dostawcy, na warunkach tego dostawcy.

Podsumowanie

Punkt kontrolny jest dostrojony instrukcjami i zawiera szablon czatu. Gemma 4 12B It jest opublikowany przez Google DeepMind jako otwarte wagi z 12B parametrami na licencji Apache-2.0. Przyjmuje dźwięk i zapisuje tekst. Opublikowana konfiguracja nie zawiera informacji o oknie kontekstowym, więc ta karta również ich nie zawiera. Repozytorium zostało utworzone w maju 2026 roku i jest lustrzane na Hugging Face. Karta jest tylko katalogowa: LLM EU nie uruchamia tego modelu. Wydawca nie podaje informacji o zasięgu językowym na stronie modelu.

Specyfikacje

Dostawca
Google DeepMind (US)
Okno kontekstu
Niezweryfikowane: dostawca nie udokumentował tego twierdzenia.
Parametry
12B
Modalności
text, vision, audio
Licencja
apache-2.0 · licence
Otwarte wagi
yes
Data wydania
23 maj 2026
Zadania
Wsparcie wielojęzyczne, Wizja, Streszczanie

Języki

Mocny: —

Dostateczny: —

Mocny

    Dostateczny

      Niezweryfikowane: dostawca nie udokumentował tego twierdzenia. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Kiedy używać

      Mocne strony

      • 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

      Ograniczenia

      • 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