Google DeepMind 在 6 月 3 日悄悄放出了 Gemma4 12B——一款 unified multimodal 架构、原生支持 Apple Silicon 的轻量模型。加上之前发布的 Gemma4 26B A4B（3月底）和阿里的 Qwen3.6-35B-A3B（4月中），最近两个月的开源大模型圈，连续出了三款硬货。
三款模型的共同特征是：****参数看着不小，但跑起来不贵****——靠 MoE 混合专家或极致压缩，在消费级硬件上就能跑出不错的推理能力。
那到底什么水平？为了让大家有个直观的感觉，我把三款开源模型跟 Claude Sonnet 4、GPT-4.1 做了个横向对比。需要说明的是：****Sonnet 4 和 GPT-4.1 都是去年（2025年）年中发布的主力模型****，现在已经过去一年，当前的一线大模型能力已经大幅超越了这两个版本。选它们作为参照，不是因为它们代表今天的最高水平，而是因为它们是大模型发展史上的重要标杆——用它们做"能力锚点"，可以更直观地感受这代开源模型到底跑到了什么位置。
## 三位选手速览

****Gemma4 12B（Google DeepMind）—— 6月3日刚发布****
- 架构：Dense 12B，统一多模态（文本+图像+音频+视频，无需独立编码器）
- 定位：能跑在笔记本上的通用小钢炮，原生支持 Apple Silicon，功耗低、响应快
- 独特优势：****原生图文音视频全模态理解****，不像大多数开源模型需要外挂视觉编码器。这意味着看图、听音频、看视频都是模型本身的能力，部署和维护更简单
- 热度：刚发布，社区讨论度高，是截至目前最新一批开源模型

****Gemma4 26B A4B（Google DeepMind）—— 3月31日发布****
- 架构：MoE 混合专家，总参数量 26B，每次推理激活 4B 参数
- 定位：性能比 12B 版跃升一个台阶，但依然适合单张高端消费级 GPU

****Qwen3.6-35B-A3B（阿里通义千问）—— 4月16日发布****
- 架构：MoE 混合专家，总参数量 35B，每次推理仅激活 3B 参数
- 定位：开源本地部署里综合文本推理能力最突出，Apache 2.0 开源协议

## 评测项目说明


|评测项目|测什么|难度感知|
|:-:|:-:|:-:|
|MMLU / MMLU-Pro|知识广度，覆盖57个学科（Pro版更难，题目更刁钻）|知识面考试|
|GPQA Diamond|研究生级物理/化学/生物推理题，博士出题|科学思维能力|
|AIME|美国数学邀请赛真题，高中奥数级|数学硬功夫|
|SWE-bench Verified|真实 GitHub Issue 修复，检验工程代码能力|编程实战力，但存在争议|

特别提醒：Sonnet 4 和 GPT-4.1 的 MMLU 分数用的是标准版 MMLU，而三款开源模型是 MMLU-Pro（更难版本）。所以知识面这个维度不能简单横向比数字，要整体定性判断。
## 核心数据对比


|模型|架构|MMLU-Pro|GPQADiamond|AIME|SWE-bench|
|:-:|:-:|:-:|:-:|:-:|:-:|
|Gemma4 12B|Dense 12B|77.2|78.8|77.5|—|
|Gemma4 26B A4B|MoE 26B/4B|82.6|82.3|88.3|—|
|Qwen3.6-35B-A3B|MoE 35B/3B|85.2|86.0|92.7|73.4|
|Claude Sonnet 4|闭源|85.4(标准MMLU)|70.0|33.1|72.7|
|GPT-4.1|闭源|90.2(标准MMLU)|66.3|48.1(2024版)|54.6|

>注：Qwen3.6 分数引自社区独立评测，Gemma4 数据来自 Google 官方，Sonnet 4 数据来自 Anthropic，GPT-4.1 数据来自 OpenAI 及第三方。

>Claude Sonnet4 和GPT-4.1的MMLU评测使用的是标准版，难度低于Pro版本。

>GPT-4.1的AIME评测使用的是2024版本，难度低于其他。

## 几个值得注意的发现

### ****发现一：数学推理上，开源模型大幅超出这两款去年的闭源旗舰。****

AIME 数学竞赛题是同套题，是最直观的对比维度。Gemma4 26B 拿下 88.3，Qwen3.6-35B 更是冲到 92.7——反观 Sonnet 4 只有 33.1，GPT-4.1 用更简单的 2024 版试卷也才 48.1。差距是量级上的。
### ****发现二：科学推理，三款开源模型全面超越两个去年闭源标杆。****

GPQA Diamond 是研究生级硬核科学题，三款开源模型全部在 78-86 分之间，Sonnet 4（70.0）和 GPT-4.1（66.3）明显落后。在需要深度推理的场景里，这代开源模型已经跑到了前面。
### ****发现三：代码工程，Qwen3.6-35B 是唯一公开 SWE-bench 的开源模型。****

但 73.4 的成绩略高于 Sonnet 4（72.7），远超 GPT-4.1（54.6）。Gemma4 系列暂缺 SWE-bench 数据，可能是由于****SWE-bench****测评的争议。
### ****发现四：刚发布的 Gemma4 12B，小身材咬得很紧。****

12B 的 GPQA Diamond（78.8）虽然略低于 26B 版（82.3），但差距不大——12B dense 架构在科学推理上并不吃亏。更关键的是，12B 版支持原生图文音视频理解，在需要看图、听音频的场景里，比纯文本模型多一个维度。
## 使用场景推荐


|场景|推荐模型|理由|
|:-:|:-:|:-:|
|笔记本日常使用/图文/音视频多模态处理|Gemma4 12B|Dense 12B，原生 Apple Silicon，功耗低、响应快。原生统一多模态架构，无需外挂视觉/音频编码器，部署简单|
|数学/科学专项研究|Qwen3.6-35B-A3B|AIME 92.7 + GPQA 86.0，文本推理双料最强|
|编程与工程开发|Qwen3.6-35B-A3B|SWE-bench 73.4，开源工程能力靠前|
|既要推理又要多模态|Gemma4 26B A4B|MoE 高效推理 + 原生多模态理解，综合最均衡|
|企业高并发推理|Qwen3.6-35B-A3B + Gemma4 26B|3-4B 激活参数，单卡高吞吐|




Google DeepMind 在 6 月 3 日悄悄放出了 Gemma4 12B——一款 unified multimodal 架构、原生支持 Apple Silicon 的轻量模型。加上之前发布的 Gemma4 26B A4B（3月底）和阿里的 Qwen3.6-35B-A3B（4月中），最近两个月的开源大模型圈，连续出了三款硬货。三款模型的共同特征是：参数看着不小，但跑起来不贵——靠 MoE 混合专家或极致压缩，在消费级硬件上就能跑出不错的推理能力。那到底什么水平？为了让大家有个直观的感觉，我把三款开源模型跟 Claude Sonnet 4、GPT-4.1 做了个横向对比。需要说明的是：Sonnet 4 和 GPT-4.1 都是去年（2025年）年中发布的主力模型，现在已经过去一年，当前的一线大模型能力已经大幅超越了这两个版本。选它们作为参照，不是因为它们代表今天的最高水平，而是因为它们是大模型发展史上的重要标杆——用它们做"能力锚点"，可以更直观地感受这代开源模型到底跑到了什么位置。

刚发布的 Gemma4 12B 能打吗？三款最新顶流开源模型跑分全解读，堪比跟去年主流闭源模型

Gemma4 12B（6月3日刚发布）、Gemma4 26B A4B、Qwen3.6-35B-A3B，三款近期开源模型在 MMLU-Pro、GPQA Diamond、AIME 等评测中全面对标 Claude Sonnet 4 和 GPT-4.1 这两款 2025 年中闭源旗舰 ，数学科学推理甚至大幅领先。一文看懂跑分、架构差异和使用场景。

云计算

人工智能

新闻资讯

GoogleDeepMind发布轻量级多模态模型Gemma412B，支持AppleSilicon，与Gemma426BA4B、阿里Qwen3.6-35B-A3B形成开源三强。三款模型通过MoE或压缩技术实现高效推理，在数学、科学推理上超越ClaudeSonnet4和GPT-4.1。Gemma412B原生支持图文音视频处理，Qwen3.6-35B在代码工程表现突出，适合不同应用场景。

视频理解

2026年中大促 | AI 领航 智绘未来

tione

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

GoogleDeepMind发布轻量级多模态模型Gemma412B，支持AppleSilicon，与Gemma426BA4B、阿里Qwen3.6-35B-A3B形成开源三强。三款模型通过MoE或压缩技术实现高效推理，在数学、科学推理上超越ClaudeSonnet4和GPT-4.1。Gemma412B原生支持图文音视频处...

刚发布的 Gemma4 12B 能打吗？三款最新顶流开源模型跑分全解读，堪比跟去年主流闭源模型-腾讯云开发者社区-腾讯云

刚发布的 Gemma4 12B 能打吗？三款最新顶流开源模型跑分全解读，堪比跟去年主流闭源模型

刚发布的 Gemma4 12B 能打吗？三款最新顶流开源模型跑分全解读，堪比跟去年主流闭源模型

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐