gemma-4-12B-it-assistant

Gemma 是 Google 对外开放权重的小型模型线，gemma-4-12B-it-assistant 属于其中的指令微调版本，参数量 12B，2026 年 5 月发布，许可证为 Apache-2.0。它对应的是「多模态输入、只要文本结论」这类需求：文本、图像、音频都可作为输入，输出统一为文本，适合把会议录音、图片资料、混合文档整理成可检索、可二次处理的文字。相比只能调用接口的闭源 Gemini 系列，权重开放意味着可以部署在自有环境，数据不必出域，也便于做领域微调与离线推理。需要说明的是，官方价格尚未公开，暂无平台收录该模型，也没有第三方跑分可供对照；选型时更适合把它放进自有测试集，与实际任务一起验证，而不是依赖榜单排名。

选型建议需要私有化部署、输入含图文音且终点是文本时可选它；需要公开跑分背书或图像音频生成能力时不宜选。

• 把带语音的会议录音整理成结构化文字纪要
• 批量识别商品或文档图片并生成可检索的文字描述
• 在本地或私有云部署，处理不能出域的图文音资料
• 为客服与知识库做多模态素材的文本化预处理
• 做原型验证，横向比较不同开源权重的多模态效果

公开披露集中在参数规模、模态范围与许可证三件事上，内部结构与训练细节公开资料较少。

• 结构沿用 Gemma 系列解码器式语言模型思路，层数、注意力形式与归一化等细节未随发布信息一并公开，公开资料较少。
• 能力输入覆盖文本、图像、音频三类模态，输出限定为文本，适合把多模态素材转写成文字结论而非生成媒体。
• 披露Apache-2.0 允许商用与再分发，但厂商未公布训练数据构成与能力标注，效果评估需自建验证集。

开源权重

是

许可证

apache-2.0

参数规模

12B

本站未收录该模型的第三方跑分，只能从参数规模与模态设计做定性判断。

• 强项12B 规模在开源多模态模型里属中等区间，可在单机或少量加速卡上推理，适合私有化与离线部署。
• 短板没有公开跑分与能力标注，图像、音频输入的实际识别质量需自行验证，无法与闭源 Gemini 直接对齐。
• 适合数据不便出域、输入含图文音且终点是文本的团队；高难度推理任务更适合交给更大的闭源模型。

官方价格未公开，暂无平台收录，实际成本主要由自托管算力与运维决定。

• 定位权重开放、Apache-2.0，成本不按 token 计价，而由硬件、部署方式与长期运维投入构成。
• 横向对比同厂 Gemini 4 Argon 与多代 Flash 均有公开输入输出单价，本模型价格未公开，无法折算价差。
• 平台差价本站收录平台数为 0，暂无托管方报价可横向比较，需要自行询价或直接自建服务。
• 省钱自托管可规避按量计费，但应把加速卡折旧、电力与人力一并计入再判断是否真的更便宜。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径无第三方跑分与能力标注，任何性能表述只能定性，不宜引用具体分数做选型依据。
• 边界输出仅限文本，不支持图像或音频生成；权重与许可证清晰，但训练数据来源未公开。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。