Google Gemma 4 12B：16GBメモリのノートPCで実行可能

Googleはこのほど、軽量言語モデルGemmaシリーズの最新メンバー「Gemma 4 12B」を正式発表した。同モデル最大の特長は、ハイエンドGPUやクラウドサポートを必要とせず、わずか16GBメモリの一般的なノートPCで動作可能な点にある。これはGoogle研究チームが開発した新しい符号化方式と先進的なトークン予測メカニズムによるもので、12Bパラメータのモデルが性能面で「小よく大を制す」を実現し、同規模の競合製品を上回ることを可能にした。

技術革新：新たな符号化方式とトークン予測

Ars Technicaによると、Gemma 4 12Bは「適応型スパース符号化」と呼ばれるアーキテクチャを導入しており、アテンション計算における冗長情報を動的に圧縮することで、VRAMやメモリの使用量を大幅に削減できる。同時に、改良されたトークン予測戦略を採用しており、推論時にコンテキストウィンドウをより効率的に活用し、重複計算を低減する。Google公式は、これら2つの技術が組み合わさることで、コンシューマー向けハードウェア上でクラウド大規模モデルに近い生成品質を実現したと述べている。

"Gemma 4 12B doesn't just shrink the model—it rethinks how computation is distributed," said an unnamed Google engineer in a briefing. "The result is a model that punches above its weight."

業界背景：エッジAIのアクセラレーター

大規模言語モデルのパラメータ規模が膨張を続け、クラウド推論コストが高止まりする中、エッジ側へのデプロイが業界の新たな焦点となっている。Appleやクアルコムなどのメーカーは既にスマートフォン向けの軽量モデルを発表しているが、ノートPC側には真の「庶民レベル」のソリューションが依然として不足していた。Gemma 4 12Bの登場はこの空白を埋めるものだ。16GBメモリは今や主流の薄型軽量ノートPCの標準装備となっており、数億台のデバイスがアップグレードなしにローカルAI能力を獲得できることを意味する。

Gemma 2B/7Bから今回の12Bまで、Googleは「小さなモデルで大きな能力」という路線に注力し続けている。Gemma 4 12Bは複数のベンチマークテスト（MMLU、HumanEvalなど）で同パラメータ数のMistral 7BやLlama 3.2 8Bを上回り、一部のタスクでは80億パラメータのLlama 3.1モデルにすら迫る性能を見せている。この背後にあるのは、まさに新しい符号化と予測技術がもたらす効率の配当だ。

編集後記：小型モデルの「スイートスポット」争い

Gemma 4 12Bの発表は、パラメータ数が性能の唯一の決定要因ではないことを改めて証明した。モデルアーキテクチャと訓練戦略が十分に洗練されていれば、コンパクトなモデルでも複雑なタスクをこなすことができる。ただし、ユーザーはその適用シーンに注意を払う必要がある。ローカル実行はプライバシーの優位性と低レイテンシを意味するが、超長文の処理や高度に専門的な推論においては、依然としてクラウドのフルスペックモデルには及ばない可能性がある。Googleがこの時期に12B版を投入したのは、開発者エコシステムを獲得する狙いが大きいだろう。一般的なノートPCで動作するモデルは、独立系開発者や中小企業を惹きつけやすいからだ。

さらに注目すべきは、Gemma 4シリーズが今後の大規模モデルの分岐傾向を予示している可能性があることだ。一方では極限の規模を追求する超大型モデル（GPT-5、Gemini Ultraなど）、他方では高度に最適化されローカルデプロイ可能な軽量モデル。後者はAIの普及・実装の鍵となる担い手となる可能性がある。

本記事はArs Technicaから編訳したものである