Google Deep Mind条件付オープン

Gemma 4 120B

Name: Gemma 4 120B
Author: Google Deep Mind

このモデルを比較

Google DeepMind開発の高性能オープンソースモデル。効率性と性能のバランスに優れる。

シェア:X はてブ LINE

パラメータ

1200

コンテキスト長

128K

ライセンス

Gemma License

リリース日

2026-05-19

ベンチマーク性能

AA インテリジェンス指数

—

LMArena Elo

—

Human-Like Evaluation

—

ARC-AGI-2

—

SWE-bench Verified

—

GPQA Diamond

—

MMLU-Pro

—

LiveCodeBench

—

AIME 2025

—

MATH-500

—

日本語性能

✅高品質日本語

多言語対応モデルのうち、日本語処理に優れた性能を持つモデル。

API料金

このモデルのAPI料金情報は現在未公開です

強み

弱み

活用例

深度分析

パラメータ数

11.95B

Dense、エンコーダフリーの統合アーキテクチャ

コンテキストウィンドウ

256K tokens

Gemma 4 31Bおよび26B-A4Bと同等

GPQA Diamond

78.8%

Llama 4 Scoutの74.3%と比較

AIME 2026

77.5%

Gemma 3 27B（20.8%）から3.8倍の向上

Codeforces ELO

1659

強力な競技プログラミング性能

モダリティ

Text + Image + Audio

ネイティブ音声対応の中型Gemma初。エンコーダフリー

VRAM（Q4時）

~7.65 GB

量子化により16GB VRAM搭載ノートPCで動作

ライセンス

Apache 2.0

完全な商用利用の自由を認めた初のGemma世代

強み

・エンコーダフリーの統合アーキテクチャにより、個別のビジョン/音声エンコーダが不要となり、レイテンシが低減し、単一パスでのファインチューニングが可能
・12Bモデルでネイティブ音声入力（ASR＋翻訳）を実現 — このサイズのGemmaとして初の搭載機能
・ラップトップデプロイ可能なサイズで、ハイブリッドローカル/グローバルアテンションとKVキャッシュ最適化を備えた256Kコンテキストウィンドウ

弱み

・専用のArena Eloランキングがまだない — 31Bや26B-A4Bが受けた人間の嗜好に基づく検証データが欠如
・エンコーダフリーのビジョンは単一行列積（35Mパラメータ）で生パッチを投影するため、31Bの550M専用エンコーダと比較して細粒度の視覚的ディテールが犠牲になっている
・複雑な多段階推論において31B Denseと大きく差をつけられている（HLE 5.2% vs 19.5%、BigBench Extra Hard 53.0% vs 74.4%）

競合比較

Model	Arena	SWE	GPQA	Price
Gemma 4 31B Dense	1451	N/A	84.3%	無料（Apache 2.0）
Gemma 4 26B-A4B MoE	1438	N/A	82.3%	無料（Apache 2.0）
Llama 4 Scout（17B active）	~1400	N/A	74.3%	無料（Llama License）

概要

Gemma 4 12B Unifiedは、Google DeepMindによる初のエンコーダフリー中型オープンモデルであり、2026年6月にGemma 4ファミリーの一環としてリリースされた。最大のアーキテクチャ革新は、個別のビジョンエンコーダと音声エンコーダを排除したことにある。48×48ピクセルの生画像パッチと40msの音声チャンクが、軽量な線形レイヤーを通じてLLMの埋め込み空間に直接投影される。この統合設計により、マルチモーダルのレイテンシが低減され、メモリフットプリントが削減され（BF16で24GB、Q4_0量子化時の重みのみで約7.65GB）、モデル全体を単一パスでファインチューニングできる。テキスト、画像、音声入力を256Kトークンのコンテキストウィンドウで処理可能 — 最大のGemma 4バリアントと同等である。ベンチマークでは、12B Unifiedはそのサイズ以上の性能を発揮する強力なミッドティアモデルとして位置づけられている。GPQA Diamond（78.8%）では、アクティブパラメータ数が少ないにもかかわらずLlama 4 Scoutの74.3%を上回る。AIME 2026の77.5%とLiveCodeBench v6の72.0%は、堅実な数学的・コーディング推論能力を示している。ただし、31B Dense（GPQA 84.3%、AIME 89.2%）や26B-A4B MoE（GPQA 82.3%、AIME 88.3%）との間には有意な品質差があり、特にHLE（5.2% vs 31Bの19.5%）やBigBench Extra Hard（53.0% vs 74.4%）といった複雑な多段階推論タスクで顕著である。ネイティブ関数呼び出しによるエージェントワークフロー、ステップバイステップ推論のための設定可能な思考モード、35以上の言語をサポートする多言語対応（140以上の言語で事前学習済み）を備えている。 12B Unifiedは、音声機能を備えたラップトップデプロイ可能なマルチモーダルモデルを必要とする開発者をターゲットとしており — これは他のどの中型Gemmaも満たしていないニッチである。16GB VRAM（8ビット）または8〜10GB（4ビット）のコンシューマハードウェア上で動作し、ローカルプロトタイピング、プライバシーを重視したドキュメント処理、エージェントコーディングワークフローにアクセスしやすい。Hugging Face Transformers、llama.cpp、Ollama、MLX、SGLang、vLLMの各プラットフォームで初日からサポートされ、Apache 2.0のもとでリリースされた。Gemma 4ラインナップの中で最もデプロイメント最適化されたエントリとして登場した。

ベンチマーク＆性能

### 公式ベンチマーク結果（Gemma 4 12B Unified、指示チューニング済み、思考モード） | ベンチマーク | Gemma 4 12B | Gemma 4 31B | Gemma 4 26B-A4B | Gemma 3 27B | |---|---|---|---|---| | MMLU Pro | 77.2% | 85.2% | 82.6% | 67.6% | | AIME 2026（ツールなし） | 77.5% | 89.2% | 88.3% | 20.8% | | LiveCodeBench v6 | 72.0% | 80.0% | 77.1% | 29.1% | | Codeforces ELO | 1659 | 2150 | 1718 | 110 | | GPQA Diamond | 78.8% | 84.3% | 82.3% | 42.4% | | Tau2（平均） | 69.0% | 76.9% | 68.2% | 16.2% | | HLE（ツールなし） | 5.2% | 19.5% | 8.7% | — | | BigBench Extra Hard | 53.0% | 74.4% | 64.8% | 19.3% | | IFEval | 97.2% | 98.9% | 98.5% | 90.4% | | IFBench | 74.0% | 76.0% | 72.0% | 32.0% | | MMMLU | 83.4% | 88.4% | 86.3% | 70.7% | | Terminal Bench Hard | 18.0% | 36.0% | 14.0% | 4.0% | **ビジョンベンチマーク:** | ベンチマーク | Gemma 4 12B | Gemma 4 31B | Gemma 4 26B-A4B | |---|---|---|---| | MMMU Pro | 69.1% | 76.9% | 73.8% | | MATH-Vision | 79.7% | 85.6% | 82.4% | | MedXPertQA MM | 48.7% | 61.3% | 58.1% | | OmniDocBench 1.5（↓） | 0.164 | 0.131 | 0.149 | **音声ベンチマーク（中型モデルでは12Bのみが対応）:** | ベンチマーク | Gemma 4 12B | Gemma 4 E4B | Gemma 4 E2B | |---|---|---|---| | CoVoST（平均BLEU） | 38.5* | 35.54 | 33.47 | | FLEURS ASR（WER ↓） | 0.069* | 0.08 | 0.09 | *中国語を除外。12Bは専用音声エンコーダを持たないにもかかわらず競争力のある音声性能を達成 — 統合アーキテクチャの重要な実証。 **ロングコンテキスト:** | ベンチマーク | Gemma 4 12B | Gemma 4 31B | Gemma 3 27B | |---|---|---|---| | MRCR v2 8-needle 128k | 43.4% | 66.4% | 13.5% | | RULER 32k | 96.4% | 96.8% | 91.1% | | RULER 128k | 91.2% | 96.4% | 66.0% | **メモリとハードウェア:** | 構成 | 重みメモリ | + KVキャッシュ（32k ctx） | |---|---|---| | BF16 | 24.0 GB | +0.28 GB | | Q4_0量子化 | 7.65 GB | +0.28 GB | *出典: Google DeepMind Gemma 4 Technical Report (arXiv:2607.02770)*

詳細比較

### Gemma 4 12B Unified vs Gemma 4 31B Dense | 比較項目 | 12B Unified | 31B Dense | |---|---|---| | パラメータ数 | 11.95B | 30.7B | | VRAM（Q4時） | ~7.65 GB | ~19.2 GB | | コンテキスト | 256K | 256K | | GPQA Diamond | 78.8% | 84.3% | | AIME 2026 | 77.5% | 89.2% | | Codeforces ELO | 1659 | 2150 | | HLE | 5.2% | 19.5% | | Arena Elo | N/A | 1451（#43位） | | エンコーダフリー | はい | いいえ（550Mビジョンエンコーダ） | | 音声対応 | はい | いいえ | | 関数呼び出し | はい | はい（より信頼性が高い） | **まとめ:** 31B Denseは明確な品質リーダーであり、推論ベンチマークで12Bを5〜14ポイント上回り、最も困難なベンチマーク（HLE）では3.75倍の優位性を示している。ただし、2.5倍のVRAMを必要とし、音声サポートがなく、個別のエンコーダを使用している。12Bはラップトップデプロイメントと音声対応ワークフローにとって現実的な選択肢である。 ### Gemma 4 12B Unified vs Gemma 4 26B-A4B MoE | 比較項目 | 12B Unified | 26B-A4B MoE | |---|---|---| | 総パラメータ数 | 11.95B | 25.2B（アクティブ3.8B） | | VRAM（Q4時） | ~7.65 GB | ~16.2 GB | | GPQA Diamond | 78.8% | 82.3% | | AIME 2026 | 77.5% | 88.3% | | BigBench Extra Hard | 53.0% | 64.8% | | エンコーダフリー | はい | いいえ | | 音声対応 | はい | いいえ | | Tau2（平均） | 69.0% | 68.2% | **まとめ:** 26B-A4B MoEはより優れた推論性能を提供するが（AIME +10.8pp、BigBench +11.8pp）、VRAMは2倍必要となる。注目すべきことに、12BはTau2エージェントベンチマーク（69.0% vs 68.2%）でMoEをわずかに上回っており、音声もユニークに対応している。MoEはコンシューマハードウェアでのコミュニティ報告によるレイテンシの問題（24GB MacBookで約2 tok/s）もあり、ローカルデプロイメントには12Bがより適している。 ### Gemma 4 12B Unified vs Llama 4 Scout（17B active） | 比較項目 | 12B Unified | Llama 4 Scout | |---|---|---| | アクティブパラメータ | 11.95B | 17B | | GPQA Diamond | 78.8% | 74.3% | | コンテキスト | 256K | 10M | | 音声対応 | はい | いいえ | | ライセンス | Apache 2.0 | Llama License | **まとめ:** Gemma 4 12Bは、アクティブパラメータ数が少ないにもかかわらずGPQA DiamondでLlama 4 Scoutを4.5ポイント上回り、ネイティブ音声という利点を持つ。Llama 4 Scoutの巨大な10Mコンテキストウィンドウは、極端なロングコンテキストワークロードの差別化要因である。Gemma 4のApache 2.0ライセンスはLlama Licenseよりも寛容である。

コミュニティ評価

Gemma 4ファミリーは、12Bの2026年6月リリース時点で累計1億5,000万回以上のダウンロードを達成したとGoogleは発表している。開発者コミュニティはいくつかの側面について肯定的な反応を示している： **エンコーダフリー・アーキテクチャへの期待:** 統合設計は真の革新として注目されている。Googleの開発者ブログでは、12Bが同じモデルによって駆動されるGradioアプリをコーディングする完全ローカルエージェントとして動作し、5分間の音声付きビデオを単一の推論呼び出しで処理する様子がデモンストレーションされている。すべてのモダリティが重みを共有し、単一パスでファインチューニングできるという事実は、重要な実用的利点として注目されている。 **ローカルデプロイメントへの熱意:** コミュニティ分析（例：DEV Communityの詳細な分析）では、12Bを「スイートスポット」モデル — 本格的なタスクに十分な強さを持ちながらコンシューマハードウェアにデプロイ可能 — として識別している。16GBの統合メモリを搭載したMac Mシリーズ上で約25〜40 tok/sで動作する様子を示す複数のガイドが公開されている。Ollama、LM Studio、Google AI Edge Galleryはすべて初日からサポートされた。 **ステルスアップデートに関する論争:** 2026年7月、GoogleはFlash Attention 4のパフォーマンス向上（25〜70%のプロンプト処理速度向上、最大31%のTTFT低減）、ツール呼び出しのバグ修正（テレコムエージェントシナリオで10.1%の改善）、応答の切り詰め問題の対処を含むサイレントアップデートを配信した。コミュニティは、Googleがこれを「Gemma 4.1」ではなく同じ「Gemma 4」名の下で配信したことについて反発 — 特定のベンチマーク数値を引用する研究者にとって再現性の懸念を引き起こした。 **開発者エコシステムサポート:** モデルはHugging Face Transformers、llama.cpp、MLX、SGLang、vLLM、Unsloth（ファインチューニング）、Ollamaでのサポートを備えてリリースされ、Android Studio Agent Modeにも統合された。Googleはまた、Gemmaモデルでエージェントアプリケーションを構築するためのSkills Repositoryも公開した。 **批評的評価:** 一部の研究者は、エンコーダフリー・アーキテクチャはエレガントだが、35Mパラメータのビジョンプロジェクションは31Bの550M専用エンコーダと比較して細粒度の視覚的ディテールを犠牲にしている可能性があると指摘している — OmniDocBenchスコア（0.164 vs 0.131）にその兆候が見られる。一方で、音声機能は現在他の10B+クラスのオープンモデルが提供していない真の差別化要因として称賛されている。

ユースケース

**1. プライバシーを重視したドキュメント処理（法務、ヘルスケア、金融）:** 12Bは完全にデバイス上で動作し、データがマシンの外部に送信されることはない。法的ドキュメントレビュー、医療記録の要約、金融コンプライアンスの查詢において、エンコーダフリー・アーキテクチャはPDF、請求書、フォーム — チャートやテーブルを含む — を16GB VRAMティアで処理する。RAGと組み合わせることで事実の正確性を向上させる。ハードウェアに制約があり、データ主権が譲れない場合に31Bの代わりに選択すべきモデル。 **2. ローカルマルチモーダルエージェント開発:** 12Bはネイティブ音声を備えた唯一の中型Gemmaであり、音声制御のエージェントワークフローに特に適している。GoogleはOpenCodeハーネスを通じて、12Bが（自身が駆動する）画像処理ツールである完全なGradioアプリをコーディングする様子をデモンストレーションしている。リスニング、視認、実行ができるローカルAIアシスタントを構築する開発者にとって、これが最初に試すべきモデルである。ネイティブ関数呼び出しにより、プロンプトエンジニアリングの回避策なしに構造化されたツール呼び出しが可能。 **3. 多言語音声文字起こしと翻訳:** CoVoST BLEUスコア38.5、FLEURS WER 0.069を達成し、12Bは専用の音声エンコーダなしに、複数言語にわたる競争力のあるASRと音声テキスト変換翻訳を提供する。オフライン会議の文字起こし、音声制御インターフェース、多言語音声パイプラインを構築するチームにとって、12Bは別のASRシステムの必要性を排除する。音声入力は1クリップあたり最大30秒をサポート。 **4. ドメイン固有アプリケーションのファインチューニング対象:** エンコーダフリー設計により、すべてのモダリティが同じ重みを共有するため、ダウンストリームのファインチューニング（LoRAまたはUnslothによるフルファインチューニング）が単一パスでマルチモーダルループ全体を自然に更新する。BF16で約24GBのため、学習には単一のA100で収まる。契約分析、医療QA、低資源言語適応といった専門アプリケーションでは、ファインチューニングされた12Bはドメイン固有のベンチマークでベースの26B MoEを上回ることができ、学習が劇的に容易になる。 **12Bを選択すべきでない場合:** 最高の推論品質が必要な場合（AIME 89.2%、HLE 19.5%）は31B Denseを選択すべき。巨大なコンテキストウィンドウ（10Mトークン）が必要な場合はLlama 4 Scoutを選択すべき。最も強力なオープンソースの多段階数学推論が必要な場合は、Qwen 3.5またはDeepSeek V4ファミリーを選択すべき。