Gemma 4 12B: Wird Googles kleines Modell zum Apple Foundation Model?

Apple hat auf der WWDC 2026 das neue Core AI Framework vorgestellt und dabei eine bemerkenswerte Formulierung gewählt: die Apple Foundation Models seien in "tiefer Zusammenarbeit mit Google" entstanden, "basierend auf Gemini-Technologie". Zeitgleich hat Google mit Gemma 4 ein Open-Weight-Modell veröffentlicht, dessen 12-Milliarden-Parameter-Variante wie maßgeschneidert für Apple Silicon wirkt. Wir verbinden die Punkte.

Was ist Gemma 4 12B?

Gemma 4 12B ist Googles neuestes Open-Weight-Modell aus der Gemma-Familie — der kleinen Schwester von Gemini. 12 Milliarden Parameter, trainiert auf Googles TPU-Infrastruktur, aber designed für den Einsatz auf Consumer-Hardware.

Was Gemma 4 besonders macht, ist die Unified Architecture. Es gibt keinen separaten Encoder für Vision oder Audio. Alles — Text, Bild und Audio — fließt direkt ins LLM-Backbone. Das ist ein fundamentaler Unterschied zu früheren multimodalen Modellen, die verschiedene Inputs über separate Encoder vorverarbeiten mussten. Gemma 4 12B versteht alles nativ, in einem Modell, in einem Durchlauf.

Die technischen Anforderungen sind bemerkenswert niedrig: 16 GB VRAM bzw. Unified Memory reichen aus. Das bedeutet: jedes MacBook mit M1-Chip oder neuer kann dieses Modell lokal betreiben. Kein Rig, kein Server, kein Cloud-Abo. Google hat Gemma 4 sogar explizit für die AI Edge Gallery optimiert, die nativ auf Apple Silicon GPUs läuft.

Multimodalität in 12 Milliarden Parametern: Text verstehen, Bilder analysieren, Audio verarbeiten — alles in einem Modell, das auf einem Laptop läuft. Vor zwei Jahren war das Science Fiction.

Die Apple-Verbindung

Jetzt wird es interessant. Apple hat auf der WWDC das neue Core AI Framework vorgestellt, das On-Device Foundation Models, Cloud-Modelle und Drittanbieter-LLMs unter einer API vereint. Die Apple Foundation Models selbst basieren auf Gemini-Technologie — das hat Apple explizit bestätigt.

Das bisherige On-Device-Modell von Apple Intelligence hatte geschätzte 3 Milliarden Parameter. Gut genug für einfache Tasks — Textzusammenfassungen, Quick Replies, Grammatikkorrektur — aber zu klein für echtes Reasoning, Code-Verständnis oder komplexe multimodale Aufgaben.

Gemma 4 12B passt perfekt in die Lücke: groß genug für echte, anspruchsvolle Aufgaben, aber klein genug für On-Device-Inferenz auf Apple Silicon. 12B Parameter bei 16 GB Mindest-RAM — das läuft auf jedem aktuellen iPhone Pro (8 GB RAM reichen mit Quantisierung) und jedem Mac problemlos.

Apple betonte auf der Keynote die Zwei-Gleisigkeit: "on-device and server". Das neue Siri nutzt für schwere Tasks ein 1,2-Billionen-Parameter Gemini-Modell in der Cloud. Aber für alles, was auf dem Gerät bleiben soll — und Apple will möglichst viel auf dem Gerät halten — braucht es ein On-Device-Modell, das mehr kann als 3B Parameter erlauben.

Wichtiger Hinweis: Apple hat nicht bestätigt, dass Gemma 4 12B DAS Apple Foundation Model ist. Aber die Indizien sind stark. Die Gemini-Technologie-Basis, die perfekte Größe für Apple Silicon, die zeitgleiche Veröffentlichung, die explizite Apple-Silicon-Optimierung durch Google — das alles deutet in eine Richtung.

Was das für lokale KI bedeutet

Unabhängig von der Apple-Frage ist Gemma 4 12B ein Meilenstein für lokale KI. 12 Milliarden Parameter, 16 GB RAM-Minimum — jeder M1, M2, M3 oder M4 Mac kann das. Und nicht nur theoretisch: wir haben Gemma 4 12B über Ollama auf unserem Mac Studio M3 Ultra getestet. Es läuft. Flüssig. Schnell. Und die Qualität ist überraschend gut für die Größe.

In unseren Tests schlägt Gemma 4 12B deutlich Metas Llama 3.1 8B — das ist erwartbar bei 50% mehr Parametern. Überraschender ist, wie nah es an deutlich größere Modelle herankommt. Bei Zusammenfassungen, Code-Generierung und Textverständnis liefert es Ergebnisse, die vor einem Jahr ein 70B-Modell gebraucht hätten. Die Modell-Effizienz hat sich dramatisch verbessert.

Die echte Revolution ist aber die Multimodalität. Ein Modell, das lokal auf deinem Mac läuft und gleichzeitig Text versteht, Bilder analysiert und Audio verarbeitet — das gab es in dieser Form noch nicht bei 12B Parametern. Du kannst ein Foto einer Rechnung hochladen und das Modell extrahiert die Daten. Du kannst eine Sprachnotiz analysieren lassen und bekommst eine strukturierte Zusammenfassung. Alles lokal, alles auf deinem Gerät, keine Daten verlassen den Raum.

Ein Modell das Text, Bild und Audio versteht, auf jedem Mac läuft, und von Google UND Apple unterstützt wird — das ist ein Paradigmenwechsel für On-Device-KI.

BLICKPULS-Perspektive

Wir betreiben bereits lokale LLMs auf unserem Mac Studio M3 Ultra mit 96 GB Unified Memory. Unser Hauptmodell für schwere Aufgaben ist Llama 70B (quantisiert), daneben nutzen wir Claude über die API für alles, was Reasoning-Tiefe und Kontextlänge braucht. Das funktioniert — aber es ist ein Setup, das nicht jeder replizieren kann.

Gemma 4 12B ist für uns als leichtgewichtiges Modell für schnelle Tasks interessant: E-Mail-Entwürfe, Zusammenfassungen von Meeting-Notizen, Code-Reviews, schnelle Bildanalysen. Aufgaben, bei denen die Geschwindigkeit wichtiger ist als die letzte Prozent-Qualität. Auf dem M3 Ultra generiert Gemma 4 12B mit über 60 Tokens pro Sekunde — das fühlt sich instantan an.

Für schwere Aufgaben — lange Dokumente, komplexe Analyse, Strategie-Arbeit — bleiben wir bei Llama 70B lokal und Claude über die API. Ein 12B-Modell hat Grenzen, und die kennen wir. Aber als Alltags-KI, die immer bereit ist, nie eine API-Verbindung braucht und nie Daten nach außen schickt? Dafür ist Gemma 4 12B fast ideal.

Die spannendste Perspektive ist aber eine andere: wenn Apple Gemma 4 (oder ein darauf basierendes Modell) tief in Core AI integriert, wird jede App auf dem Mac und iPhone Zugriff auf ein multimodales 12B-Modell haben — ohne dass der Entwickler sich um Hosting, APIs oder Kosten kümmern muss. Das macht lokale KI zum Standard, nicht zur Nische. Unsere Kunden würden davon direkt profitieren: KI-Funktionen in jeder App, DSGVO-konform, on-device, ohne zusätzliche Kosten.

Fazit

Gemma 4 12B ist nicht nur ein weiteres Open-Source-Modell in einer langen Reihe. Es ist möglicherweise der Grundstein für Apples gesamte On-Device-KI-Strategie. Ein Modell, das von Google entwickelt wurde, auf Gemini-Technologie basiert, perfekt auf Apple Silicon optimiert ist und genau die Lücke füllt, die Apples bisheriges 3B-Modell hinterlassen hat.

Ob es tatsächlich DAS Apple Foundation Model wird, erfahren wir in den Developer Sessions dieser Woche. Aber die Richtung ist klar: lokale, multimodale KI auf jedem Apple-Gerät. Und Gemma 4 12B zeigt, dass das technisch nicht nur möglich ist — sondern jetzt schon funktioniert.