Gemma 4 12B: Mengenal Lebih Dalam Model 12B Tanpa Encoder Google

Gemma 4 12B adalah anggota ukuran menengah dari keluarga Gemma 4 dari DeepMind: model padat dengan bobot terbuka berparameter 11,95 miliar yang membaca teks, gambar, audio, dan bingkai video serta menulis teks, dan keputusan rekayasa yang menentukan adalah bahwa model ini tidak membawa encoder multimodal sama sekali. Model ini berada di antara model yang berfokus pada edge, yaitu Gemma 4 E4B dan yang lebih besar dan lebih jarang, yaitu Gemma 4 26B A4B. Catatan peluncuran menggambarkan tugasnya sebagai membawa pekerjaan multimodal agentik ke laptop — penalaran, penggunaan alat, pengkodean, dan pemahaman dokumen atau layar yang berjalan di mesin di depan Anda alih-alih melalui koneksi terukur. Ini juga merupakan ukuran yang membawa seluruh jejak langsung keluarga ini di situs kami sendiri: tiga halaman perbandingan ditulis tentangnya, dan sampai halaman ini tidak ada halaman tentang model itu sendiri.

Pembalikan itu layak disebut di awal, karena itulah yang menjelaskan bentuk semua hal di bawah ini. Pembaca tidak tiba di Gemma 4 12B seperti mereka tiba di model unggulan. Mereka datang dari samping, biasanya dari halaman perbandingan, sering kali karena pertanyaan sebenarnya adalah ukuran Gemma 4 yang mana — dan mereka ingin tahu apa sebenarnya sisi kiri perbandingan itu sebelum mereka mengeluarkan kuota untuk mengunduhnya. Pencarian yang kami ukur untuk nama ini sebagian besar bersifat komparatif; istilah polosnya sendiri minim. Jadi ini adalah halaman referensi: apa itu 12B, apa yang dinyatakan kartu modelnya, apa yang diperlukan untuk menjalankannya, apa yang diizinkan lisensinya, dan perbandingan mana dari tiga perbandingan yang ada yang sudah menjawab pertanyaan yang Anda bawa.

Ini bukan berita peluncuran, dan tidak boleh dibaca sebagai berita peluncuran. Gemma 4 12B dirilis pada 3 Juni 2026 — 132 hari sebelum halaman ini — dan tidak ada yang berubah dari model tersebut dalam tujuh hari sebelum publikasi. Tanggal itu berasal dari catatan rilis vendor sendiri, dan digunakan di sini untuk menempatkan model dalam konteks waktu, bukan untuk mengumumkannya.

Apa itu 12B, dan apa bedanya dengan 26B A4B

Keluarga Gemma 4 memiliki lima ukuran, dan itu bukan lima titik pada satu garis. Kartu model mencantumkannya sebagai E2B, E4B, 12B Unified, 26B A4B dan 31B, dan mereka terbagi ke dalam dua arsitektur: tiga model dense dan satu mixture-of-experts, dengan ukuran E menggunakan embedding per lapisan untuk memperkecil apa yang sebenarnya berjalan di perangkat.

Gemma 4 12B adalah model dense. Kartu model menyebutkan total 11.95B parameter di 48 lapisan, dengan jendela geser 1,024 token dan konteks 256K token. Gemma 4 26B A4B, sebaliknya, adalah mixture-of-experts milik keluarga ini: total 25.2B parameter tetapi hanya 3.8B yang aktif per token, tersebar di 30 lapisan dengan 8 expert aktif dari 128 ditambah satu shared expert. Huruf "A" itulah inti dari namanya — model ini membawa bobot 26B dan membayar sekitar 4B di antaranya pada setiap forward pass, itulah sebabnya kartu model menggambarkannya berjalan hampir secepat model 4B sambil menyimpan pengetahuan yang jauh lebih banyak.

Jadi pembeda jujur dalam satu baris adalah ini. 26B A4B adalah ukuran yang Anda pilih ketika Anda menginginkan kemampuan paling besar per unit latensi dan Anda memiliki workstation atau server untuk menjalankannya. 12B adalah ukuran yang Anda pilih ketika mesinnya adalah laptop dan anggarannya 16GB memori. Catatan peluncuran menggambarkan 12B sebagai jembatan antara E4B dan 26B A4B, dan lembar spesifikasinya membuktikan hal itu.

Perbedaan yang lebih menarik bersifat arsitektural, dan itulah alasan 12B diberi label "Unified" alih-alih sekadar "Dense". Setiap model multimodal lain dalam keluarga ini menyalurkan gambar dan audio melalui encoder khusus sebelum menyerahkan hasilnya ke model bahasa — kartu tersebut mencantumkan encoder visi ~150M dan encoder audio ~300M pada ukuran E, serta encoder visi ~550M baik pada 31B maupun 26B A4B. 12B tidak memiliki keduanya; kolom untuk parameter encoder visi dan audio pada 12B terbaca sebagai tanda hubung dalam kedua kasus.

Yang menggantikannya berukuran kecil. Tulisan peluncuran menggambarkan vision sebagai modul embedding yang ringan — satu perkalian matriks ditambah embedding posisional dan normalisasi — dan audio sebagai penghapusan encoder sepenuhnya serta proyeksi sinyal mentah ke ruang dimensi yang sama dengan token teks. Patch gambar mentah dan bentuk gelombang audio langsung masuk ke satu transformer yang hanya memiliki decoder. Keuntungan yang dinyatakan adalah latensi multimodal yang lebih rendah dan kemampuan untuk melakukan fine-tuning atas keseluruhan sistem dalam satu proses, lintas modalitas, dengan satu adapter alih-alih satu adapter per encoder.

Itu juga sebabnya 12B menjadi Gemma ukuran menengah pertama dengan input audio native. Pada kartu, "Text, Image, Audio" adalah baris modalitas untuk E2B, E4B, dan 12B; 31B dan 26B A4B ditandai hanya "Text, Image".

Spesifikasi, sebagaimana dinyatakan dalam kartu model.

Semua yang ada di bagian ini berasal dari kartu model Gemma 4 di ai.google.dev, yang mencakup seluruh keluarga, bukan hanya 12B. Jika kartu tersebut tidak membahasnya, hal itu dicatat, bukan diisi.

• Panjang konteks — 256K token pada 12B. Kartu tersebut mencatat pembagiannya secara eksplisit: model kecil (E2B, E4B) mendapat 128K, model menengah (12B, 26B A4B, 31B) mendapat 256K.

• Modalitas — input teks, gambar, dan audio; output teks. Kartu ini mencantumkan video sebagai kemampuan keluarga yang diproses sebagai urutan frame, dan menjelaskan input gambar pada rasio aspek serta resolusi yang bervariasi di semua ukuran.

• Total parameter — 11,95B, padat, 48 lapisan. Kartu ini tidak mencantumkan angka parameter aktif karena tidak ada pakar yang perlu diaktifkan.

• Jendela geser — 1.024 token, dua kali lipat dari 512 yang digunakan oleh ukuran-E.

• Kosakata — 262K, digunakan bersama di kelima ukuran.

• Atensi — hibrida yang menyisipkan secara bergantian atensi jendela geser lokal dengan atensi global penuh, dengan lapisan terakhir selalu global. Lapisan global menggunakan kunci dan nilai terpadu plus RoPE proporsional untuk menekan penggunaan memori pada konteks panjang.

• Bahasa — dilatih terlebih dahulu pada 140+ bahasa, dengan kartu yang mengklaim dukungan siap pakai untuk 35+.

Dua angka yang perlu diselaraskan, karena keduanya tampak seperti pertentangan padahal bukan. Kartu model menyebut 256K token; halaman model Artificial Analysis untuk Gemma 4 12B menyebut 262k. Itu adalah angka yang sama yang ditulis dengan dua cara — 262.144 token adalah 256K — dan angka kosakata 262K pada kartu yang berada di dekatnya itulah yang membuat kedua angka itu tampak kontradiktif sekilas.

Pada tolok ukur, kartu tersebut menerbitkan tabel keluarga untuk checkpoint yang disetel instruksi, dan ini adalah angka yang dilaporkan vendor, bukan angka independen. Untuk Gemma 4 12B kartu ini mencantumkan 77,2% pada MMLU Pro, 78,8% pada GPQA Diamond, 77,5% pada AIME 2026 tanpa alat, 72,0% pada LiveCodeBench v6, ELO Codeforces 1659, 69,1% pada MMMU Pro, dan 43,4% pada MRCR v2 pada 128K dengan delapan jarum. Tabel yang sama menempatkan Gemma 4 26B A4B pada 82,6% MMLU Pro, 88,3% AIME, 77,1% LiveCodeBench dan 44,1% MRCR — unggul pada sebagian besar baris, seperti yang Anda harapkan dari model yang lebih besar, dan cukup dekat pada beberapa baris sehingga selisih ukurannya bukan keseluruhan cerita.

Pembacaan independen dari Artificial Analysis menghasilkan satu headline: skor Intelligence Index 14, berperingkat ke-20 dari 141 model di kelas pembandingnya, dengan kecepatan output terukur 110,9 token per detik dan biaya gabungan $0,10 per juta token input dan $0,30 per juta token output. Angka biaya tersebut adalah median di berbagai platform pihak ketiga yang menyediakan bobot terbuka, bukan harga daftar vendor — hal ini perlu dinyatakan secara tepat, karena vendor sama sekali tidak menerbitkan harga per token untuk 12B di kartu model.

Menjalankannya: apa yang sebenarnya dibutuhkannya

Postingan peluncuran menyampaikan persyaratan utamanya secara langsung: 12B "cukup kecil untuk dijalankan secara lokal hanya dengan 16GB VRAM atau memori terpadu." Ukuran kuantisasi yang dipublikasikan untuknya membuat hal itu konkret.

• Presisi penuh — checkpoint yang disetel dengan instruksi di Hugging Face adalah satu file safetensors berukuran 23,92 GB. Pada bfloat16, itu adalah ukuran jejak bobot mentah, sebelum cache KV apa pun, sehingga mesin 16GB tidak dapat menampungnya dan kartu 24GB pun pas-pasan.

• Build terkuantisasi milik vendor sendiri — karena 12B hadir dengan pelatihan yang sadar kuantisasi, bukan sekadar pengkuantisasi pasca-hoc. Vendor menerbitkan QAT GGUF sekitar 6,98 GB untuk bobotnya plus file proyeksi multimodal 0,18 GB, dan build QAT compressed-tensors (w4a16) sebesar 10,26 GB. Ada juga checkpoint QAT yang tidak terkuantisasi yang diterbitkan secara khusus sebagai basis untuk fine-tune sebelum mengkuantisasi ulang.

• Komunitas GGUF — build Unsloth yang banyak di-mirror berukuran mulai dari sekitar 4,2 GB pada 2-bit paling agresif hingga 6,38 GB pada IQ4_XS, 7,12 GB pada Q4_K_M, 8,41 GB pada Q5_K_M, dan 12,67 GB pada Q8_0. Mirror LM Studio menyediakan Q4_K_M pada 7,38 GB, Q6_K pada 9,79 GB, dan Q8_0 pada 12,67 GB, masing-masing dengan file proyeksi 0,18 GB yang sama.

• MLX — build terkuantisasi 8-bit untuk Apple silicon berukuran sekitar 12,7 GB yang tersebar dalam tiga berkas; build komunitas 4-bit dari fine-tune coding hadir mendekati 6,7 GB.

Jika dibaca bersama, itulah jawaban praktis untuk "apakah ini akan muat." Build 4-bit dari Gemma 4 12B sekitar 7 GB adalah versi yang membuat laptop 16GB berfungsi, persis seperti yang diklaim vendor. Jika Anda menginginkan model tanpa kuantisasi, targetnya adalah kartu 24GB atau lebih, dan jika Anda menginginkan konteks 256K penuh, Anda memerlukan ruang tambahan di atas jejak bobot untuk cache.

Dua hal yang tidak diberikan sumber kepada Anda, dan yang tidak akan diciptakan halaman ini. Tidak ada angka throughput yang dipublikasikan vendor untuk inferensi lokal — 110,9 token per detik dari Artificial Analysis adalah pengukuran hosted di infrastruktur pihak ketiga, bukan angka laptop, dan keduanya tidak bisa dipertukarkan. Dan tidak ada tabel RAM minimum yang dipublikasikan per kuantisasi; ukuran di atas adalah ukuran file, yang merupakan batas bawah, bukan persyaratan.

Yang justru didokumentasikan oleh kartu model adalah toolchain di sekitarnya, bukan runtime tunggal yang direstui: Hugging Face Transformers, llama.cpp, MLX, SGLang, vLLM, dan Unsloth untuk inferensi dan fine-tuning, dengan LM Studio, Ollama, dan LiteRT-LM sebagai jalur lokal terpaket, serta bobotnya di Hugging Face dan Kaggle. Model 12B juga hadir dengan drafter prediksi multi-token, yang diterbitkan sebagai checkpoint asisten terpisah — unduhan tambahan kecil yang menukar memori dengan latensi.

Satu fakta perutean, dinyatakan terus terang karena hal semacam inilah yang sering dibiarkan ambigu oleh halaman perbandingan: Gemma 4 12B bukan model yang dilayani OrcaRouter, dalam ejaan apa pun — bukan nama polosnya, bukan varian bertanggal, bukan versi terkuantisasi. Ukuran Gemma 4 yang kami rutekan adalah 26B A4B dan 31B. Jadi, jika Anda ingin memanggil model ini, menghosting sendiri bobotnya atau penyedia pihak ketiga yang melayaninya adalah jalurnya; jika Anda lebih memilih tidak menjalankannya sendiri, langkah berikutnya yang jujur adalah memeriksa apakah ukuran lain dari keluarga ini memberi Anda apa yang Anda butuhkan.

Lisensinya, khusus untuk ukuran ini

Kartu model Gemma 4 menyatakan lisensinya sebagai Apache 2.0 dan menautkan ke halaman lisensi Gemma 4, yang menyajikan teks Apache 2.0 — lisensi Apache standar, tanpa batas penggunaan, tanpa ambang batas pengguna aktif bulanan, dan tanpa tingkatan komersial terpisah. Repositori Hugging Face untuk checkpoint 12B yang disetel dengan instruksi memuat pernyataan yang sama dalam metadatanya dan menunjuk ke URL lisensi yang sama. Jadi untuk ukuran ini, pertanyaan lisensi punya jawaban singkat: gunakan, ubah, dan distribusikan ulang, baik untuk tujuan komersial maupun lainnya, dengan ketentuan Apache 2.0.

Ada dua dokumen pendamping yang menyertainya dan layak diketahui, bukan untuk dikacaukan dengan lisensi. Vendor menerbitkan halaman Gemma Terms of Use dan Gemma Prohibited Use Policy. Kebijakan penggunaan yang dilarang itu adalah dokumen yang mengatur perilaku dan mencantumkan kategori keluaran yang tidak boleh dihasilkan oleh model. Ini adalah kebijakan, bukan batasan lisensi pada bobot — bobotnya sendiri adalah Apache 2.0, yang justru memungkinkan adanya turunan komunitas dari model ini. Jika Anda mendistribusikan ulang Gemma 4 12B atau hasil fine-tune darinya, lisensilah yang mengatur pendistribusian ulang Anda; kebijakanlah yang mengatur penggunaan yang dapat diterima.

Perbedaan itu menjawab pertanyaan yang diajukan oleh ekosistem turunan komunitas, tanpa perlu mencirikan perilaku siapa pun. Karena bobotnya terbuka di bawah lisensi permisif, pihak ketiga dapat dan memang menerbitkan fine-tune serta kuantisasi dari 12B — varian abliterated, fine-tune domain, resep kuantisasi alternatif. Yang diizinkan oleh lisensi adalah redistribusi turunan-turunan tersebut; lisensi juga menjadi alasan keberadaan mereka.

Tiga perbandingan yang mendasari halaman ini

Ketiga halaman aktif di bawah stem ini adalah matchup, dan masing-masing sudah menjawab pertanyaan yang berbeda. Halaman ini tidak mengadili satu pun dari mereka — halaman ini adalah hal yang mereka gambarkan.

• Gemma 4 12B vs Gemini 3.5 Flash-Lite — menentukan apa yang terjadi ketika kedua opsi berasal dari vendor yang sama dan porosnya adalah cara Anda membayar: model yang Anda unduh di bawah Apache 2.0 versus tingkat harga termurah berbasis meteran dari API yang dihosting.

• Gemma 4 12B vs GLM 5.2 — menyelesaikan pasangan yang sangat asimetris: 12B tanpa encoder yang Anda arahkan ke laptop versus mixture-of-experts berbobot terbuka dengan 744B parameter yang dibangun untuk pengodean agentik jangka panjang dengan harga berkali-kali lipat.

• Gemma 4 12B vs Qwen3.8 Max — menjawab langsung pertanyaan perangkat-lokal versus sewaan: mesin di meja Anda melawan model unggulan lab yang sama yang dilayani per token.

Jika yang sebenarnya Anda inginkan adalah salah satu ukuran Gemma 4 lainnya, bukan perbandingan 12B lain, halaman yang membahas kelimanya sekaligus adalah hub keluarga, tempat E2B, E4B, 26B A4B, dan 31B dijelaskan bersama. Dan jika Anda sudah memutuskan bahwa 12B bukan ukuran yang tepat, model yang paling sering dibandingkan dengannya — GLM 5.2, Qwen3.8 Max, dan Gemini 3.5 Flash-Lite — semuanya dapat diakses melalui OrcaRouter dengan satu kunci, dengan 0% markup dari harga daftar penyedia sendiri, sehingga potongan harga vendor berlaku di sini pada hari yang sama saat diumumkan.

Apa yang belum terselesaikan

Ada dua celah yang layak disebutkan daripada ditutupi. Tabel benchmark di atas dilaporkan oleh vendor — kartu dan pengaturan evaluasi milik vendor sendiri — dan meskipun Artificial Analysis sejak itu telah menilai model tersebut secara independen pada Intelligence Index 14, tidak ada replikasi independen yang luas terhadap angka per-benchmark, jadi perlakukan angka tingkat baris sebagai klaim. Dan tidak ada tabel memori per-kuantisasi yang dipublikasikan untuk 12B, yang berarti pernyataan "16GB cukup" adalah klaim vendor dengan ukuran file yang mendukungnya, bukan konfigurasi terukur yang bisa Anda salin.

Model itu sendiri mudah diposisikan: model multimodal Apache 2.0 tanpa encoder berparameter 12B, bertanggal 3 Juni 2026, yang akan berjalan di laptop pada 4-bit dan merupakan ukuran Gemma 4 terkecil dengan audio native. Yang tidak dimilikinya adalah tarif pihak pertama yang dihosting, dan itulah alasan keputusan praktis seputarnya lebih dulu merupakan keputusan perangkat keras dan baru kemudian keputusan harga.

Jika Anda sampai di sini dari sebuah perbandingan dan perbandingan itu bukan yang Anda butuhkan, halaman berikutnya adalah komparasi yang cocok dengan pertanyaan Anda, dan jika itu pun tidak berhasil, keluarga Gemma 4 yang lebih luas — 12B adalah salah satu dari lima ukuran, dan ukuran yang sebenarnya Anda inginkan mungkin adalah 26B A4B yang dapat Anda panggil hari ini atau 31B yang dapat Anda jalankan di puncak rentang keluarga ini.