Gemma 4 12B It
Última revisão:
Soberania e alojamento
Este modelo está catalogado para referência. Ainda não está alojado na LLM EU, e nenhum endpoint próprio o serve aqui. Os pedidos são encaminhados diretamente para o fornecedor, sob os termos desse fornecedor.
Resumo
O checkpoint é ajustado por instrução e inclui um modelo de chat. Gemma 4 12B It é publicado pelo Google DeepMind como pesos abertos com 12B parâmetros sob Apache-2.0. Ele recebe áudio e escreve texto. A configuração publicada não registra janela de contexto, portanto, este cartão não a possui. O repositório foi criado em maio de 2026 e está espelhado no Hugging Face. O cartão é apenas para catálogo: LLM EU não executa este modelo. O editor não declara cobertura de idioma na página do modelo.
Especificações
- Fornecedor
- Google DeepMind (US)
- Janela de contexto
- Não verificado: o fornecedor não documentou esta afirmação.
- Parâmetros
- 12B
- Modalidades
- text, vision, audio
- Licença
- apache-2.0 · licence
- Pesos abertos
- yes
- Data de lançamento
- 23/05/2026
- Tarefas
- Suporte multilingue, Visão, Sumarização
Idiomas
Forte: —
Adequado: —
Forte
Adequado
Não verificado: o fornecedor não documentou esta afirmação. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.
Quando usar
Pontos fortes
- 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
Limitações
- 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