Text & Reasoning
Gemini 4 Argon
Reasoning-Modell für Code, wissenschaftliche Aufgaben und mehrstufige Agenten. Das Kontextlimit gilt gemeinsam für Eingabe und Ausgabe.
Text & ReasoningGemma 4 12B Instruct
Gemma 4 12B Instruct ist ein Sprachmodell von Google DeepMind. Instruction-tuned Gemma 4 in der Größe 12B. Verarbeitet Text, Bilder und Audio. Kontext: 262.144 Tokens.
Wie kannst du es nutzen?
Wenn du lokal arbeiten möchtest, prüfe zuerst Lizenz, passende Laufzeit und den Speicherbedarf deiner Modellvariante. Offene Gewichte allein sagen noch nicht, ob dein Rechner dafür ausreicht.
Aktuell im HerstellerkatalogQuellenstand 2026-10-13
Google DeepMind im Verzeichnis
EingabeText, Bild, Audio
AusgabeText
Kontext262.144 Tokens
Technische Daten
Identität, Funktionen und Betrieb getrennt lesen. Die Angaben beziehen sich auf diese konkrete Version.
„Nicht bestätigt“ kennzeichnet eine offene Angabe. Es bedeutet weder „nicht vorhanden“ noch „unbegrenzt“.
| Hersteller | Google DeepMind |
|---|---|
| Modellfamilie | Gemma |
| Modell-/API-ID | google/gemma-4-12B-it |
| Status | Aktuell im Herstellerkatalog |
| Modellart | Text & Reasoning |
|---|---|
| Eingabe | Text, Bild, Audio |
| Ausgabe | Text |
| Kontext | 262.144 Tokens |
|---|---|
| Maximaler Output / Horizont | Nicht bestätigt |
| Bereitstellung | Offene Gewichte; selbst betreiben |
|---|---|
| Gewichte | Offene Gewichte dokumentiert |
| Lizenz | Apache 2.0 |
Daten im Überblick
Die Grafik zeigt die im Profil dokumentierten Grenzen. Kontext und maximale Ausgabe sind keine addierbaren Budgets und keine Qualitätsbewertung. Zusätzliche Bedingungen stehen im Datenblatt.
- Kontext
- 262.144 Tokens
- Maximaler Output / Horizont
- Nicht bestätigt
Datenbasis: Herstellerangaben im Quellenstand 2026-10-13. Quellen zu diesem Profil ↓
Einsatz und Grenzen
Wähle eine kleine Aufgabe mit einer überprüfbaren Lösung: etwa fünf Informationen aus einem gegebenen Dokument extrahieren. Prüfe die Antworten am Original, nicht nur die Formulierung.
Vor einem lokalen Test zuerst Gewichteformat, Lizenz, Arbeitsspeicher und unterstützte Runtime prüfen. Notiere die genaue Modellversion. Ein Kurzname in der API kann später auf einen anderen Modellstand verweisen. Der Auswahlguide für lokale KI-Modelle vertieft die Prüfung von Aufgabe, Gewichteformat, Speicher und Lizenz vor einem eigenen Versuch.
Lokaler Betrieb: Verfügbare Gewichte allein belegen nicht, dass dieses Modell auf deinem Rechner läuft. Speicherbedarf, Quantisierung, Kontext und unterstützte Hardware müssen zusammenpassen.
Leistung: Wir haben die Leistung dieses Modells hier nicht selbst gemessen. Nutze die Aufgabe unten, um es an deinen Anforderungen zu prüfen.
Was kostet Gemma 4 12B Instruct?
Bestätigter Tarif / PreisangabeKein bestätigter Einheitspreis im geprüften Quellenstand
Tarife und Zugang vor Nutzung in der Anbieterquelle prüfen.
Zugang: Offene Gewichte; selbst betreiben. Prüfe vor einer Integration die für dein Konto und deine Region verfügbaren Endpunkte. Ein Eintrag im öffentlichen Katalog ist keine Bestätigung eines freigeschalteten Kontos.
Praxis: Lageretiketten mit fehlenden Angaben lesen
Praxisergänzung geprüft am 22. Oktober 2026 · eigene Aufgabe, kein Modellbenchmark
Ein Bild zu verstehen heißt auch, nichts dazuzuerfinden. Die eigens gezeichnete Etikettgrafik zeigt ein Regal, einen Bestand und reservierte Stücke. Ein Lieferdatum steht nicht darauf. Lade die Grafik herunter und gib sie deinem bereits eingerichteten Modellzugang als Bild. So prüfst du auch, ob deine konkrete Anwendung den Bildkanal tatsächlich übergibt.
Vorbereitung
Google dokumentiert für Gemma 4 12B Text-, Bild- und Audioeingaben sowie Textausgabe. Ein reiner Text-Endpunkt wird durch diese Modelleigenschaft nicht automatisch multimodal. Verwende die Instruct-Variante google/gemma-4-12B-it mit ihrem passenden Template und Bildprozessor. Die ältere allgemeine Gemma-Formatierungsseite nennt noch keine Systemrolle; die Gemma-4-Modellkarte beschreibt inzwischen native System-Prompts. Mische diese versionsabhängigen Anleitungen nicht.
Halte Modellversion, gewählten Zugang und Einstellungen fest. Nutze nur die fiktiven Angaben dieser Vorlage.
Bearbeite die Aufgabe und speichere den geforderten JSON-Teil unverändert als antwort.json. Bei einer freien Antwort erstellst du den Prüfteil selbst und kennzeichnest das.
Vergleiche mit dem Soll und prüfe mindestens einen veränderten Eingabefall. Ein bestandener Beispielsatz ersetzt keine Abnahme auf deinen eigenen Daten.
Aufgabe zum Kopieren
Die Angaben sind fiktiv. Speichere den geforderten JSON-Teil der Antwort separat als antwort.json; zusätzliche Erklärungen gehören in eine andere Datei.
Lade die Etikettgrafik dieses Praxislabors als Bild in deinen Gemma-4-12B-Zugang. Lies nur die sichtbaren Felder. Gib JSON aus: regal (Text), bestand (Ganzzahl), reserviert (Ganzzahl), lieferdatum (Text oder null). Erfinde kein Datum. Ein Bestand von null ist ein vorhandener Wert. Reservierte Stücke nicht vom Bestand abziehen. Falls die Oberfläche kein Bild annimmt, ist die Bildübung damit nicht durchgeführt.Etikettgrafik herunterladenVorlage herunterladenLokalen JSON-Prüfer herunterladen
Lösung und Prüfkriterien ansehen
- B7 ist die Regal-ID, keine Modellversion.
- Null Bestand und drei reservierte Stücke werden getrennt erhalten.
- Ein fehlendes Lieferdatum wird null; aus der Reservierung folgt kein negativer Bestand.
{
"regal": "B7",
"bestand": 0,
"reserviert": 3,
"lieferdatum": null
}Das Soll ist redaktionell aus der Vorlage abgeleitet, keine aufgezeichnete Modellantwort. Der lokale Prüfer vergleicht die festgelegten Felder und führt keinen generierten Code oder API-Aufruf aus. Er bewertet keine freien Begründungen.
Speichere Prüfer und deine Antwort im selben Ordner. Mit installiertem Python: python pruefen.py antwort.json.
| Beobachtung | Was du prüfst |
|---|---|
| Das Modell sieht das Bild nicht | Kontrolliere Oberfläche, Bildprozessor und tatsächlich gesendeten Bildinhalt. |
| Bestand wird −3 | Die Aufgabe verlangt Ablesen, keine unbestellte Bestandsberechnung. |
| Ein Lieferdatum erscheint | Prüfe, ob aus allgemeinem Wissen eine fehlende Angabe ergänzt wurde. |
Passende Anleitungen
Für den ersten Betriebsweg kannst du die Lektion ein lokales Modell einrichten nutzen und anschließend die Unterstützung deiner konkreten Gemma-Version prüfen.
Bevor du eine Gewichtedatei auswählst, erklärt der Guide Quantisierung und Speicherbedarf die Unterschiede zwischen Dateiformat, Rechengenauigkeit und tatsächlich benötigtem Speicher.
Gezielte Praxisergänzung auf Basis aktueller Herstellerunterlagen. Der Datenstand der bisherigen Modell-Faktentabellen bleibt separat ausgewiesen. Neue Beispiele und Grafiken sind eigene Erklärungen; es wurden keine Modellantworten oder Leistungswerte gemessen.
Herstellerunterlagen zur Ergänzung: Gemma 4 model card | Google AI for Developers (Abruf 2026-10-22) · Gemma formatting and system instructions | Google AI for Developers (Abruf 2026-10-22).
Quellen und Prüfstand
Quellenstand: 2026-10-13. Spezifikationen, Tarife und Zugang können sich ändern. Die Illustration zeigt den dokumentierten Datenweg, keine gemessene Leistung.
Häufige Fragen
Was ist Gemma 4 12B Instruct?
Instruction-tuned Gemma 4 in der Größe 12B. Verarbeitet Text, Bilder und Audio. Kontext: 262.144 Tokens. Hersteller: Google DeepMind. Dokumentierte ID: google/gemma-4-12B-it.
Was verarbeitet Gemma 4 12B Instruct?
Eingabe: Text, Bild, Audio. Ausgabe: Text. Maßgeblich sind die Funktionen des konkreten Endpunkts in der Herstellerquelle.
Kannst du Gemma 4 12B Instruct lokal betreiben?
Offene Gewichte sind dokumentiert. Die Lizenz Apache 2.0, unterstützte Runtime und benötigte Hardware musst du zusätzlich prüfen.
Was kostet Gemma 4 12B Instruct?
Kein bestätigter Einheitspreis im geprüften Quellenstand. Tarife und Zugang vor Nutzung in der Anbieterquelle prüfen. Bei selbst betriebenen Gewichten kommen Hardware- und Betriebskosten hinzu.
Ist das ein Leistungstest oder eine Rangliste?
Nein. Das Profil dokumentiert Herstellerangaben mit Quellenstand 2026-10-13. Die Testidee ist redaktionell formuliert und wurde hier nicht ausgeführt; sie ist keine Qualitätsgarantie.
Wie groß ist das Kontextfenster von Gemma 4 12B Instruct?
Im dokumentierten Quellenstand: 262.144 Tokens. Beachte die Bedingungen der konkreten Modellversion und des verwendeten Endpunkts. Kontext ist keine Wortzahl und kein Nachweis, dass jede enthaltene Information zuverlässig verarbeitet wird.
Wie prüfst du Gemma 4 12B Instruct für deine Aufgabe?
Lege eine kleine Aufgabe mit bekanntem oder nachprüfbarem Ergebnis fest. Notiere Version, Eingabe und Einstellungen. Vergleiche die Ausgabe mit deinem Prüfkriterium und halte Fehler sowie tatsächliche Kosten getrennt fest. Die Testidee auf dieser Seite ist ein Vorschlag und wurde hier nicht als Modelltest ausgeführt.
Ist die Gemma-Grafik ein echtes Lagerfoto?
Nein. Es ist eine eigens gezeichnete, fiktive Vorlage mit bewusst fehlendem Lieferdatum. Die Aufgabe misst keine OCR-Genauigkeit auf realen Fotos.
Kann jeder Gemma-4-Zugang Bilder verarbeiten?
Das Modell unterstützt Bilder, aber die Anwendung muss Bilddaten und den passenden Prozessor korrekt übergeben. Ein Text-Chat allein bestätigt diese Integration nicht.
Gilt die alte Gemma-Regel ohne Systemrolle auch für Gemma 4?
Die Gemma-4-Modellkarte nennt native System-Prompt-Unterstützung. Versionsspezifische Karte und aktuelles Chat-Template haben Vorrang vor einer alten allgemeinen Anleitung.
Weitere Google DeepMind-Modelle
Alle anzeigen →Text & Reasoning
Gemini 3.8 Flash
Gemini 3.8 Flash: Text, Bild, Video, Audio, PDF → Text. Für Text- und Analyseaufgaben.
Text & Reasoning
Gemini 3.6 Flash
Gemini 3.6 Flash: Text, Bild, Video, Audio, PDF → Text. Für Text- und Analyseaufgaben.