Tin tức từ CoinWorld, báo cáo kỹ thuật Gemma 4 mới nhất của Google cho thấy cách sử dụng kiến trúc tối giản để giúp mô hình lớn chạy nhanh hơn trên điện thoại và thiết bị đầu cuối, tiết kiệm nhiều bộ nhớ hơn. Mô hình Gemma 4 12B lần đầu tiên đạt được sự tích hợp tối giản "không bộ mã hóa" cho cả hai chế độ thị giác và âm thanh, trực tiếp cắt giảm 93% bộ dịch hình ảnh và loại bỏ hoàn toàn bộ dịch âm thanh, giải quyết vấn đề lãng phí bộ nhớ đồ họa do "bộ dịch ngoài" gây ra. Ngoài ra, mô hình này khi xử lý văn bản dài thông qua tái sử dụng chú ý toàn cục, giảm 37,5% mức sử dụng bộ nhớ. Bộ tăng tốc dự đoán phiên bản đầu cuối nhẹ của nó còn thu hẹp phạm vi từ điển từ 260.000 xuống còn 4096, cải thiện đáng kể tốc độ giải mã.