Google ปล่อย Gemma 4 12B โมเดล multimodal แบบ encoder-free รุ่นแรก รันได้บนแล็ปท็อป 16GB

Google ปล่อย Gemma 4 12B โมเดล open-weight ขนาดกลางตัวใหม่ที่มาพร้อมจุดขายใหญ่: เป็นโมเดล multimodal แบบ encoder-free ตัวแรกของตระกูล Gemma — ภาพ เสียง และวิดีโอถูกป้อนเข้า LLM backbone โดยตรง ไม่ต้องผ่าน vision encoder หรือ audio encoder แยกต่างหากเหมือนโมเดลทั่วไป ทำให้ latency ต่ำลงและ memory footprint ไม่แตกกระจาย

ที่สำคัญสำหรับนักพัฒนา: โมเดลนี้ออกแบบมาให้รันบนแล็ปท็อปที่มี GPU หรือ unified memory 16GB ได้จริง พร้อม ecosystem รองรับครบตั้งแต่วันแรก ทั้ง Hugging Face, llama.cpp, MLX, Ollama, LM Studio, vLLM และ SGLang

Encoder-free ต่างจากเดิมอย่างไร

โมเดล multimodal แบบดั้งเดิม (รวมถึง Gemma 4 ขนาดอื่น) ใช้ vision encoder แยก 150M-550M พารามิเตอร์ และ audio encoder อีก 300M ก่อนส่งผลลัพธ์เข้า LLM แต่ Gemma 4 12B ตัดทิ้งทั้งหมด:

• Vision embedder ขนาด 35M พารามิเตอร์ — patch ภาพ 48x48 pixel ถูก project เข้า hidden dimension ของ LLM ด้วย matmul ครั้งเดียว แทน vision transformer 27 ชั้น
• Audio wave projection — เสียง 16 kHz ถูกหั่นเป็น frame ละ 40ms แล้ว project แบบ linear เข้า input space โดยตรง ข้าม conformer 12 ชั้นที่รุ่น E2B/E4B ใช้
• Fine-tune ง่ายขึ้น — เพราะภาพ เสียง และข้อความใช้ weight ชุดเดียวกัน การทำ LoRA หรือ full fine-tuning จึงอัปเดตทั้ง loop ได้ในรอบเดียว ไม่ต้องจูน encoder แยก

นี่ยังเป็นโมเดลขนาดกลางตัวแรกของ Gemma ที่รับ audio input ได้ native — ก่อนหน้านี้ความสามารถนี้จำกัดอยู่แค่รุ่น edge เล็ก ๆ

รันบนเครื่องตัวเองได้หลายทาง

Google ปล่อยช่องทางใช้งาน local มาพร้อมกันผ่าน LiteRT-LM:

• แอป macOS native — Google AI Edge Gallery ขยายจากมือถือมาเดสก์ท็อป รัน Gemma 4 12B offline บน Apple Silicon พร้อม sandboxed Python execution ในตัว
• litert-lm serve — คำสั่ง CLI ใหม่ที่เปิด local API server แบบ OpenAI-compatible เชื่อมกับเครื่องมืออย่าง Continue, Aider หรือ OpenCode ได้ทันที พร้อม prefix caching ลด prefill latency
• Multi-token prediction (MTP) — ปล่อยโมเดล MTP แยกมาช่วยเร่ง inference บนเครื่อง local

Gemma Skills สำหรับ agent

อีกชิ้นที่น่าสนใจคือ Google เปิด Skills Repository อย่างเป็นทางการ — ไลบรารี skill ที่ออกแบบมาให้ agent ใช้สร้างงานบนโมเดล Gemma โดยเฉพาะ ในเดโม่ Google ใช้ Gemma 4 12B ที่รันผ่าน llama.cpp เขียนแอป Gradio ประมวลผลภาพ ซึ่งขับเคลื่อนด้วยโมเดลตัวเดียวกันกับที่เขียนมันขึ้นมา

มุมมอง AI Curator

Gemma 4 12B คือหมุดหมายสำคัญของเทรนด์ “local AI ที่ใช้งานได้จริง” — สเปก 16GB VRAM คือระดับ MacBook Pro หรือเกมมิ่งโน้ตบุ๊กทั่วไปที่นักพัฒนาไทยจำนวนมากมีอยู่แล้ว ไม่ต้องเช่า GPU cloud การได้โมเดลที่ฟัง เห็น และ code ได้ในเครื่องตัวเอง เปิดทางให้ use case ที่ข้อมูลออกนอกองค์กรไม่ได้ เช่น งานเอกสารราชการ ข้อมูลผู้ป่วย หรือข้อมูลการเงิน ซึ่งเป็นข้อจำกัดใหญ่ของการใช้ AI cloud ในไทยและอาเซียน

ส่วนสถาปัตยกรรม encoder-free ถ้า benchmark ยืนยันว่าคุณภาพไม่ด้อยกว่าแบบมี encoder จริง น่าจะกลายเป็นแนวทางหลักของโมเดล multimodal ขนาดเล็ก-กลางรุ่นถัดไป เพราะลดทั้งความซับซ้อนและต้นทุน inference พร้อมกัน — และการที่ Google แถม skills repo มาด้วยสะท้อนว่าตอนนี้ vendor ไม่ได้ขายแค่โมเดล แต่ขาย “ความพร้อมต่อ agent” เป็น first-class feature แล้ว

แหล่งข่าว:

• Gemma 4 12B: The Developer Guide — Google Developers Blog
• Bringing Gemma 4 12B to your Laptop — Google Developers Blog
• Gemma Skills Repository — GitHub