Dessa مقابل Gemma 4 12B: نموذجان للحواسيب المحمولة، واحد فقط يمكنك تنزيله

المقارنة الأكثر فائدة بين Dessa وGemma 4 12B ليست نتيجة معيار قياس. بل هي ملف. Gemma 4 12B — نموذج مفتوح الأوزان من Google DeepMind بعدد معلمات 11.95 مليار، نُشر باسم Gemma 4 12B Unified بموجب Apache 2.0 في 3 يونيو 2026 — هو نقطة تحقق يمكنك تنزيلها بعد ظهر اليوم، وتشغيلها على حاسوب محمول بسعة 16 GB، وضبطها الدقيق دون سؤال أي شخص. Dessa، التي أعلنت عنها Block في 23 أكتوبر 2026، هي نموذج كلام ثنائي الاتجاه الكامل يعمل على MacBook Pro M4 Max وفقًا لصانعه، باستثناء أنه لا يمكنك تنزيله أو استدعاؤه أو فحصه. إنه خلف قائمة انتظار بلا أوزان، ولا API، ولا سعر، ولا عدد معلمات منشور.

يُباع كلاهما كنماذج محلية. لكن واحدًا فقط منهما يُوزَّع فعليًا. هذا التمييز ينظّم كل شيء آخر: ما يمكنك بناؤه، وما يمكنك قياسه، وما يعنيه «يعمل على حاسوب محمول» أصلًا.

الإجابة القصيرة، ولماذا هي قصيرة

إذا كان هدفك هو إطلاق شيء ما هذا الربع يعالج النصوص أو الصور أو الصوت أو الفيديو، فإن Gemma 4 12B هو الوحيد من بين الاثنين الذي يمثل منتجًا يمكنك استخدامه. وإذا كان هدفك هو دراسة الكلام ثنائي الاتجاه الكامل — نموذج يستمع أثناء تحدثه، ويقاطع، ويُقاطَع دون أن يفقد سياق الحديث — فإن Dessa هو العمل الأكثر إثارة للاهتمام، ولا يمكنك الحصول عليه بعد.

يبدو ذلك وكأنه استبعاد. لكنه أقرب إلى وصف مرحلتين مختلفتين من النضج. Gemma 4 12B إصدار مفتوح مكتمل له رخصة وبطاقة نموذج وجدول معايير. أما Dessa فهي معاينة بحثية مع عرض توضيحي. مقارنتهما من حيث القدرات تشبه مقارنة كاميرا مطروحة في السوق بنموذج أولي مختبري: قد يكون للنموذج الأولي مستشعر أفضل، لكن واحدة فقط منهما تلتقط صورة يمكنك الاحتفاظ بها.

معنيان لكلمة «local»

قصة Gemma 4 12B المحلية ملموسة. فهو نموذج كثيف يعتمد على المفكّك فقط، بمعمارية موحّدة خالية من المُرمّز — 48 طبقة، تُسقَط رقع الصور مباشرةً، ويُعالَج الصوت دون مُرمّز منفصل. وتستهدفه Google للعمل ضمن نحو 16 غيغابايت من الذاكرة الموحّدة، والأوزان متاحة على Hugging Face بصيغة BF16 مع توالي نُسخ GGUF وMLX وغيرها من نُسخ المجتمع. يمكنك تشغيله دون اتصال، على متن طائرة، ودون حساب.

قصة Dessa المحلية جملة واحدة على صفحة: يعمل الاستدلال أسرع من الزمن الحقيقي على MacBook Pro M4 Max أو أفضل. لا يوجد رقم للذاكرة، ولا تكميم، ولا حجم ملف، ولا تنزيل. قد تكون الدعوى صحيحة تمامًا. وهي أيضًا غير قابلة للتكذيب من الخارج، لأن عبارة "يعمل محليًا" في منشور بائع قد تعني "أجرى باحثونا عرضًا توضيحيًا له على حاسوب محمول" بدلًا من "ستشغّله أنت على جهازك". وإلى أن يتوفر ملف أوزان أو مثبّت، فالقراءة الصادقة هي الأولى.

يسمع المرء، ويتحادث

الفارق المعماري أشدّ وضوحًا من فجوة المعاملات. فـ Gemma 4 12B قارئ متعدد الوسائط: يدخله النص والصورة والصوت والفيديو، ويخرج منه النص. إدخال الصوت فيه محدود بـ30 ثانية لكل مقطع، وإدخال الفيديو بنحو 60 ثانية بمعدل إطار واحد في الثانية. وضمن هذه الحدود يستطيع النسخ والترجمة والوصف والإجابة عن الأسئلة المتعلقة بتسجيل ما واستخراج البيانات المهيكلة. وهو، بعبارة أخرى، بالغ البراعة في تحويل قطعة محدودة من العالم إلى نص.

Dessa هو تدفق محادثي: صوت يدخل، وصوت يخرج، دون أي مرحلة نصية على الإطلاق. لا يوجد نص مكتوب لفحصه، ولا حدود رموز، ولا خطوة تركيب منفصلة. وادعاء Block هو أن هذا يحافظ على التنغيم والضحك والتنهدات والتوقيت التي تعمل خطوة تحويل الكلام إلى نص ثم إلى كلام على تسطيحها. تُظهر عروضه التوضيحية النموذج يضحك في منتصف الجملة، ويطابق مستوى الصوت، ويكمل عنوان فيلم نسيه المتحدث.

النتيجة العملية هي أن النموذجين غير قابلين للاستبدال على مستوى واجهة برمجة التطبيقات. لا يمكنك إرسال ملف PDF إلى Dessa. ولا يمكنك أن تطلب من Gemma 4 12B أن تُقاطَع في منتصف إجابتها، لأنها لا تُنتج بثًا صوتيًا يمكن مقاطعته. يحتاج المنتج الصوتي المبني على Gemma إلى مكوّنين إضافيين على الأقل؛ أما منتج المستندات المبني على Dessa فغير ممكن على الإطلاق.

ورقة المواصفات، مع كلا الجانبين على السطر نفسه.

الأرقام أدناه مقدَّمة من الجهات المصنِّعة ما لم يُذكر خلاف ذلك. أرقام Gemma مستمدة من بطاقة نموذج Google؛ وأرقام Dessa مستمدة من صفحة إعلان Block، التي تنشر أقل بكثير.

• المعلمات — Gemma 4 12B 11.95B كثيف مقابل Dessa غير معلوم.

• الأوزان — تنزيل Gemma 4 12B بموجب Apache 2.0 مقابل Dessa: لا شيء منشور.

• السياق — Gemma 4 12B ‏262,144 رمزًا مقابل Dessa غير مذكور، ولا توجد واجهة رموز لقياسه من خلالها.

• المُدخل — نص Gemma 4 12B، وصورة، وصوت حتى 30 ثانية، وفيديو حتى نحو 60 ثانية، مقابل Dessa، وهو بث صوتي مباشر.

• المخرجات — نص Gemma 4 12B مقابل صوت Dessa.

• التفاعل — طلب واستجابة قائمان على الأدوار من Gemma 4 12B مقابل Dessa ثنائي الاتجاه بالكامل، مع المقاطعة والتفاعل الخلفي.

• العتاد — Gemma 4 12B بنحو 16 غيغابايت من الذاكرة الموحّدة، مقابل Dessa، أي جهاز MacBook Pro M4 Max أو أفضل، وفقًا لـ Block.

• السعر — Gemma 4 12B مجاني للتنزيل؛ تتجمع أسعار الاستضافة لدى مزودي الخدمات الخارجيين حول $0.10 للإدخال و$0.30 للإخراج لكل مليون رمز، مقابل عدم وجود سعر لـ Dessa.

• معايير الأداء — Gemma 4 12B: جدول منشور من المورّد مقابل Dessa: لا شيء.

• التوفر — أصبح Gemma 4 12B متاحًا بشكل عام منذ يونيو 2026، مقابل قائمة انتظار Dessa ومعاينة محدودة للباحثين في مجال السلامة.

حيث يفوز Gemma 4 12B افتراضيًا

ابدأ بالأرقام التي نشرتها Google، وكلها مُبلَّغ عنها من البائعين ولم يُعَد إنتاجها هنا: MMLU-Pro 77.2، وGPQA Diamond 78.8، وAIME 2026 77.5 بدون أدوات، وLiveCodeBench v6 72.0، وCodeforces Elo 1659، وTau2 69.0، وMMMU-Pro 69.1، وHLE 5.2. والنمط هو نموذج متوسط الحجم، قوي في فئته في الاستدلال والرؤية، وضعيف في أصعب أسئلة الحدود، وكفؤ في استخدام الأدوات. ونافذة سياق 256K واستدعاء الدوال الأصلي يجعلانه عمودًا فقريًا معقولًا لوكيل يقرأ مستندًا طويلًا ثم يتصرف.

تقدّر Artificial Analysis، المستقلة عن Google، أن النسخة الخاصة بالاستدلال تبلغ 14 على مؤشر Intelligence Index الخاص بها — موسومةً بأنها تقدير لا عملية تشغيل مقاسة، وهي أعلى بكثير من الوسيط البالغ 8 للنماذج المفتوحة المماثلة. وهذا تصحيح مفيد لجدول المورّد: نموذج متوسط الحجم، يضعه طرف ثالث في منتصف الترتيب.

أرقامه الصوتية أكثر تواضعًا وأكثر صلة بهذه المقارنة. يأتي CoVoST عند 38.5 وFLEURS عند 0.069 (الأقل أفضل)، وكلاهما مُبلَّغ عنه من المورّد، على أن رقم CoVoST يستثني الصينية. هذه مقاييس لترجمة الكلام والتعرّف عليه، وليست لجودة المحادثة. تستطيع Gemma سماع مقطع مدته 30 ثانية وإخبارك بما قيل. لكنها لا تستطيع إجراء مكالمة مباشرة.

الترخيص هو الجزء الذي يحسم معظم المسائل التجارية. فترخيص Apache 2.0 يعني عدم وجود حد أدنى للإيرادات، ولا تفاوض على الاستخدام المقبول، ولا حاجة إلى إذن من المورّد لإجراء ضبط دقيق. وبالنسبة لفريق يريد أن يمتلك مسار الاستدلال الخاص به، فإن هذا أغلى قيمةً من عرض تجريبي أفضل.

إلى أين تشير تسجيلات Dessa التجريبية، إن كانت تصمد

الادعاء المثير ليس أن Dessa تبدو بشرية. بل أن إزالة عنق الزجاجة النصي تُزيل فئة كاملة من الإخفاقات. إن خط المعالجة الذي ينسخ أولاً عليه أن يقرر متى تنتهي من الكلام؛ فهو يلتزم بنص مكتوب قبل أن يتمكن من الرد؛ ويفقد التنهيدة. أما النموذج ثنائي الاتجاه فلا يقدم على هذا الالتزام أبداً. وإذا كانت مقاطع Block ممثلة، فالنتيجة محادثة تتحمل التداخل — يمكنك أن تتحدث فوقه، ويمكنه أن يتحدث فوقك.

ما يغيب هو أي وسيلة لمعرفة ما إذا كانت هذه المقاطع تمثيلية. تقول Block إن لا أحد يوجّه النموذج، وإن الترجمة النصية أُضيفت لاحقًا، وهو ما يستبعد أبسط أشكال الإعداد المسرحي. وهي لا تنشر مجموعة اختبار محجوزة، ولا توزيعًا لزمن الاستجابة، ولا معدل استعادة بعد الانقطاع، ولا درجة وضوح في الضوضاء. وجدت The Verge أن العروض التوضيحية نفسها «غريبة بعض الشيء وغير مألوفة»، بما في ذلك مقطع يدعو فيه النموذج شريكه «رونالدو». يمكن لبكرة منسقة أن تصمد أمام ذلك؛ أما المنتج فعليه أن يصمد.

بناء حلقة صوتية حول Gemma اليوم

إذا أردت وكيلًا صوتيًا الآن، فإن المعمارية هي: التعرّف على الكلام، ثم Gemma 4 12B، ثم تركيب الكلام. يتولى النموذج الفهم والاستدلال ونصّ الرد؛ بينما تتولى الخدمات المحيطة به الصوت. تهيمن الحافتان على ميزانية زمن الاستجابة، لا الوسط: فعادةً ما يستهلك كشف نقطة النهاية مع التركيب وقتًا فعليًا أطول من أول رمز للنموذج اللغوي.

يكون OrcaRouter مفيدًا في منتصف تلك الحلقة لسبب مختلف. واجهة API واحدة أمام أكثر من 200 نموذج تعني أن خطوة الاستدلال يمكن استبدالها دون إعادة كتابة التطبيق، كما يعني التجاوز التلقائي للفشل أن تعثّر أحد المزودين لا ينهي الاستدعاء. نموذج هامش الربح 0% — أي تمرير سعر القائمة الخاص بالمزود كما هو — يهم عندما يخفض أحد الموردين سعرًا، لأن التخفيض يسري من جانبنا في اليوم نفسه. مع تحفظ صادق واحد: نحن نوجّه Gemma 4 26B A4B وGemma 4 31B، وليس 12B، فهو نموذج يُنزَّل ويُستضاف محليًا. إذا أردت 12B خلف API، فذلك قرار استضافة من طرف ثالث، وليس قرارنا.

الاختيار حسب القيد

• أنت بحاجة إلى تسليم مخرجات نصية أو متعددة الوسائط الآن — Gemma 4 12B، دون بديل جدي ضمن هذه الثنائية.

• تحتاج إلى استدلال دون اتصال على عتاد تتحكم به — Gemma 4 12B، لأن الأوزان موجودة.

• تحتاج إلى فهم مستند أو صورة أو تسجيل مدته 30 ثانية — Gemma 4 12B.

• تحتاج إلى صوت حي يمكن مقاطعته — Dessa هي الوحيدة من بين الاثنين الموجّهة لذلك، وهي غير متاحة.

• تحتاج إلى تعبير عاطفي في الصوت الناتج — العروض التوضيحية من ديسا هي الدليل، وهي مُنتقاة من المورّد.

• تحتاج إلى ترخيص يمكن تمريره عبر إجراءات الشراء — ترخيص Apache 2.0 الخاص بـ Gemma 4 12B هو الترخيص الوحيد المطروح.

ما الذي سيجعل هذا مقارنة حقيقية؟

ثلاثة أشياء ستغيّر الإجابة. واجهة برمجة تطبيقات من Dessa، حتى يمكن قياس الاثنين على المحادثات نفسها. عدد معاملات وزمن استجابة منشوران، حتى يمكن إعادة إنتاج الادعاء الخاص بالحاسوب المحمول. أو نموذج كلامي أصلي مفتوح الأوزان من طرف آخر، مما سيحوّل "Dessa مقابل Gemma" إلى مقارنة بين البنى المعمارية بدلاً من مقارنة بين الإتاحة.

حتى ذلك الحين، الخلاصة المنصفة هي أن Gemma 4 12B نموذج محلي متعدد الوسائط قادر، لكنه يعاني من عنق زجاجة نصي لا يستطيع إزالته، وDessa محاولة واعدة لإزالة ذلك العنق الزجاجي دون أي وسيلة عامة للتحقق من النتيجة. الأول أداة. والثاني فرضية ذات قيم إنتاجية ممتازة.