Gemma im Vergleich: Das Modell ist groß, aber kann es die benötigte Eingabe lesen?

Eingaben und Ausgaben getrennt aufführen, dann die genaue Variante und Umgebung auswählen. Nicht nur die Größe vergleichen.

Quelle: ai.google.dev
November 9, 2026
2 min

Gemma ist die offene Modellfamilie von Google DeepMind, nicht der Dienst Gemini. Die Modellkarte zu Gemma 4 nennt Audioeingabe für Varianten wie E2B, E4B und 12B; als Ausgabe nennt sie Text. Die Entwicklerankündigung vom Juni 2026 nennt ebenfalls native Audioeingabe für 12B. Wer Ton und Schaubild vergleichen und schriftlich festhalten will, sollte nach unterstützten Eingabetypen auswählen, nicht nach einer höheren Parameterzahl.

Ton und Schaubild getrennt betrachten

Auf der fiktiven Geräteprüfkarte ohne Personen steht im Bild „ein kurzer Ton“. Die gedachte eigene Audiospur hat zwei Töne. Gefordert ist „Bild: einmal; Audiospur: zweimal; Widerspruch“. A nimmt nur das Schaubild an, daher fehlt der zweite Beleg. Den Ton nicht aus dem Bild ableiten. B nimmt beide Eingaben an, fällt aber ebenfalls durch, wenn das Ergebnis nur das Bild wiederholt. Muss stattdessen eine abspielbare korrigierte Tonspur geliefert werden, passt eine Textaussage nicht zum Ausgabeformat. Daten, Spuren und Ergebnisse existieren nur als Annahmen auf Papier.

Notieren Sie genaue Variante, verfügbare Eingaben der Laufzeitumgebung, Ausgabeart und den manuellen Ersatzweg bei fehlender Eingabe. Die Modellkarte garantiert keine Unterstützung in Softwarehülle, Gerät oder Ablauf. Plausibler Text ist kein Nachweis für eine bestandene Hörprüfung.

Wann ein multimodales Modell unnötig ist

Für eine feste manuell erfasste Anzahl genügt eine Regeltabelle. Vergleichen Sie Gemma-Varianten, wenn mehrere Eingabetypen wirklich nötig sind und eine unabhängige Referenz sowie ein Gerätebudget vorliegen. Es wurden keine Geräte, Daten oder Audiospuren angeschlossen, keine Modelle bereitgestellt oder ausgeführt und keine Leistung geschätzt.

Hinweis zum Inhalt:Dieser Artikel basiert auf öffentlich verfügbaren Informationen und dient als Orientierung bei der Auswahl von Tools. Funktionen, Preise und zugehörige Richtlinien können sich jederzeit ändern; maßgeblich sind die aktuellen offiziellen Angaben.

Originalquelle:ai.google.dev