К содержимому
Компьютерное зрение

Runforever/gemma-4-12B-it

мультимодальная модель без отдельных энкодеров

2 мин чтенияобновлено

Инструктивная мультимодальная модель на 11,95 млрд параметров из семейства Gemma 4 от Google DeepMind (загружена пользователем Runforever). Она принимает текст, изображения, видео и аудио, а на выходе генерирует текстовые ответы, код или вызовы функций. Главная особенность версии 12B Unified — архитектура без отдельных энкодеров: сырые патчи картинок и звуковые волны проецируются напрямую в пространство эмбеддингов (векторных представлений) языковой модели, что снижает задержки и упрощает дообучение. Модель пригодится разработчикам локальных ассистентов, агентов и систем анализа документов или аудио.

Ключевые особенности

  • Режим рассуждений (Thinking): пошагово обдумывает сложные задачи перед ответом, режим включается параметром enable_thinking=True.
  • Нативная мультимодальность: понимает текст, фото любого соотношения сторон, видео (последовательности кадров) и речь (распознавание и перевод).
  • Контекст 256K токенов: гибридное внимание (чередование локального окна и глобальных слоёв) позволяет обрабатывать длинные документы без лишнего расхода памяти.
  • Мультиязычность: работает более чем на 35 языках из коробки (предобучена на 140+ языках).
  • Поддержка агентов: нативно работает с системными промптами (роль system) и вызовом внешних инструментов (Function Calling).

Что можно сделать

  • Парсинг документов и экранов: извлекать данные из PDF, таблиц, графиков, рукописного текста и интерфейсов (OCR).
  • Расшифровка и перевод аудио: распознавать речь и переводить её в текст на разных языках без подключения отдельных ASR-моделей.
  • Автономные агенты и кодинг: писать, дополнять и исправлять код, а также строить ботов с вызовами API.

Пример

from transformers import AutoProcessor, AutoModelForMultimodalLM

MODEL_ID = "Runforever/gemma-4-12B-it"
processor = AutoProcessor.from_pretrained(MODEL_ID)
model = AutoModelForMultimodalLM.from_pretrained(MODEL_ID, dtype="auto", device_map="auto")

messages = [{"role": "user", "content": "Write a short joke about saving RAM."}]
inputs = processor.apply_chat_template(messages, tokenize=True, return_dict=True, return_tensors="pt", add_generation_prompt=True, enable_thinking=False).to(model.device)
outputs = model.generate(**inputs, max_new_tokens=1024)
ПодробнееБенчмарки: MMLU Pro — 77.2%, LiveCodeBench v6 — 72.0%, GPQA Diamond — 78.8%, MMMU Pro — 69.1%.
Архитектура: 48 слоёв, словарь 262K токенов, скользящее окно 1024 токена, без отдельных vision/audio энкодеров.
Лицензия: Apache 2.0, библиотека transformers.
Обсудить Telegram 0 23

Запустится ли?

Запустится в FP8 / INT8

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 22 GB · готовые файлы25 GB
  • FP8 / INT8рекомендуемвеса 11 GB13 GB
  • 4-bitвеса 6.3 GB7.4 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 5080 · BF16 — от RTX 5090

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Runforever/gemma-4-12B-it
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Runforever/gemma-4-12B-it --local-dir ~/models/gemma-4-12B-it
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к gemma-4-12B-it
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

google/gemma-4-12B

Новые посты про версии gemma-4-12B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 4Все на Hugging Face

О модели

Runforever/gemma-4-12B-it
Автор
Runforever
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

230

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии