SubQ Snap 1.1 vs. Gemma 4 12B: Ein spezialisierter Bewerter gegen einen offenen Generalisten

Frag sowohlSubQ Snap 1.1 als auchGemma 4 12BNur eines von ihnen sagt Ihnen außerdem pro Ticket, wie sicher es ist – und nur eines von ihnen lässt sich herunterladen und auf Hardware ausführen, die Ihnen gehört. Das ist der ganze Vergleich, und der Grund, warum er nicht in einem Sieger mündet, ist, dass die beiden Modelle nicht wirklich zur selben Produktkategorie gehören. Snap 1.1 ist ein Entscheidungsmodell, das Subquadratic am 22. Oktober 2026 veröffentlicht hat: Es bewertet eine feste Menge von Optionen und erzeugt keinen Text. Gemma 4 12B ist der Open-Weights-Generalist von Google DeepMind, ein dichtes Modell mit rund 12 Milliarden Parametern unter Apache 2.0, das Text, Bilder, Audio und Video liest und Prosa zurückschreibt.

Wenn Sie sie als Substitute behandeln, begehen Sie einen von zwei Fehlern: API-Preise für einen Klassifikator zu zahlen, den Sie auf einem Laptop ausführen könnten, oder aus einem Modell, das nie darauf trainiert wurde, sich zu enthalten, strukturiertes Routing herauszuholen. Als zwei Schichten derselben Pipeline behandelt, passen sie recht gut zusammen.

Was jedes einzelne tatsächlich ist

Gemma 4 12B ist das mittlere Kind der Gemma-4-Familie und liegt zwischen den On-Device-Modellen E2B und E4B sowie den Stufen 26B-A4B und 31B. Sein bemerkenswertes Architekturmerkmal ist, dass es encoderfrei ist: Bild-Patches und Audiowellenformen werden direkt in das Sprach-Backbone projiziert, statt durch separate Vision- und Audio-Encoder zu laufen. Es gibt eine Reasoning-Konfiguration und eine Nicht-Reasoning-Konfiguration, es erscheint unter Apache 2.0, und es ist die Art von Modell, für die sich ein Team entscheidet, weil es feinabgestimmt, quantisiert, eingebettet und ausgeliefert werden kann, ohne jemanden um Erlaubnis zu bitten. Bei den genauen Veröffentlichungsdaten sind sich Tracker uneinig — Artificial Analysis und BenchLM sagen 3. Juni 2026, llm-stats sagt 23. Mai —, was eine kleine Erinnerung daran ist, dass selbst die langweiligen Fakten über offene Veröffentlichungen je nachdem, wer zählt, anders wiedergegeben werden.

SubQ Snap 1.1 ist bewusst enger gefasst. Es nimmt bis zu 384K Tokens aus Text und Bildern sowie eine anwendungsdefinierte Antwortmenge auf – eine bis sechzehn Fragen, zwei bis 255 Alternativen pro Frage – und gibt eine Auswahl mit einer Wahrscheinlichkeit zurück. Es gibt keine Freitextausgabe zu parsen, kein durchzusetzendes JSON-Schema und keine Möglichkeit für das Modell, eine Frage zu beantworten, die Sie ihm nicht angeboten haben. Subquadratics Argument ist, dass dies eine andere rechnerische Aufgabe als die Generierung ist und dass eine Sparse-Attention-Architektur sie mit konstantem Rechenaufwand pro Token erledigen kann, statt quadratische Attention über ein Dokument mit 300K Tokens zu bezahlen.

Die Spezifikationen im Vergleich

• Kontext — SubQ Snap 1.1 akzeptiert 384K Token in einem einzigen Durchlauf; Gemma 4 12B akzeptiert 256K (262,144).

• Eingabemodalität — Snap 1.1 verarbeitet Text und Bilder; Gemma 4 12B verarbeitet Text, Bilder, Audio und Video.

• Ausgabe — Snap 1.1 gibt eine Auswahl oder einen Score aus Ihrer Liste mit einer Wahrscheinlichkeit zurück; Gemma 4 12B generiert Text beliebiger Länge.

• Preis — Snap 1.1 kostet 0,04 $ pro 1 Mio. Eingabe-Tokens, die Ausgabe ist kostenlos; der Median von Gemma 4 12B über die Anbieter hinweg liegt bei 0,10 $ pro 1 Mio. Eingabe und 0,30 $ pro 1 Mio. Ausgabe.

• Gewichte — Snap 1.1 veröffentlicht keine; Gemma 4 12B liefert Apache-2.0-Gewichte, die Sie herunterladen, quantisieren und selbst hosten können.

• Kalibrierung — Snap 1.1 meldet einen erwarteten Kalibrierungsfehler von 0,014 und eine Enthaltungsrate von 86 % bei Fragen, die es nicht beantworten kann; Gemma 4 12B veröffentlicht keine vergleichbare Kalibrierungskennzahl.

Benchmark-Anker — Snap 1.1 erreicht 65 Punkte im Artificial Analysis Decision Index v1.0 und belegt gemeinsam den ersten Platz; Gemma 4 12B erreicht 14 Punkte im Artificial Analysis Intelligence Index, ein geschätzter Wert für seine Größenklasse.

Diese letzten beiden Zeilen sind nicht vergleichbar und sollten nicht ohne einen Warnhinweis nebeneinander gestellt werden. Der Decision Index misst die Entscheidungsqualität bei einer Aufgabe mit festen Antworten; der Intelligence Index misst allgemeines Schlussfolgern. Eine 65 und eine 14 beantworten unterschiedliche Fragen.

Die Aufgabe, die beide erledigen können, und was sie kostet

Nehmen wir einen realistischen Routing-Aufruf: einen Ticket-Thread mit 8.000 Token, fünf Kandidaten-Warteschlangen, eine Antwort. Snap 1.1 berechnet 0,04 $ pro Million Eingabe-Token und nichts für die Ausgabe, sodass der Aufruf etwa 0,00032 $ kostet. Gemma 4 12B berechnet beim Median-Anbieterpreis 0,0008 $ für dieselben 8.000 Eingabe-Token, zuzüglich Ausgabe – ein bloßes Label sind vielleicht fünf Token oder 0,0000015 $, aber eine Reasoning-Konfiguration, die vor der Antwort nachdenkt, kann leicht 200 bis 400 Token verbrauchen, was weitere 0,00006 $ bis 0,00012 $ ausmacht.

Bei API-Preisen ist Snap pro Aufruf daher zwei- bis dreimal günstiger, und die Differenz wächst mit der Länge des Dokuments, weil Gemmas Eingabepreis zweieinhalbmal so hoch ist wie der von Snap. Bei 100K Tokens lautet der Vergleich $0,004 gegenüber $0,010, bevor Gemma überhaupt etwas schreibt.

Betreiben Sie Gemma 4 12B jetzt selbst auf einer GPU, die Sie bereits besitzen. Die Grenzkosten pro Aufruf sinken auf die Stromkosten, und der Vergleich kehrt sich vollständig um. Das ist der wichtigste Punkt bei diesem Duell: Snap 1.1 ist nur dann günstiger, wenn Sie Inferenz tokenweise einkaufen. Wenn Sie ungenutzte Kapazität haben, ist Gemma marginal kostenlos, und für Snap wird das nie gelten.

Wo Gemma 4 12B gewinnt

Die naheliegende Antwort ist Offenheit, aber die nützliche Variante ist konkreter. Apache 2.0 bedeutet: Kein Anbieter kann den Endpoint unter Ihnen abkündigen, kein Rate Limit kann einen Batch-Job um 2 Uhr nachts ausbremsen, und keine Daten verlassen Ihr Netzwerk. Bei einem regulierten Workflow – Claims-Triage, klinische Kodierung, Vertragsprüfung – entscheidet dieser letzte Punkt meist die Diskussion, noch bevor über den Preis gesprochen wird.

Gemma erledigt außerdem Dinge, die Snap strukturell nicht kann. Es schreibt die Eskalationszusammenfassung, nachdem der Router entschieden hat zu eskalieren. Es liest ein gescanntes Formular, transkribiert eine Anrufaufzeichnung und beantwortet eine Frage zu beiden in einem Durchgang. Es kann auf Ihren eigenen gelabelten Daten feinabgestimmt werden, was bei einer eng gefassten Klassifizierungsaufgabe oft das Zero-Shot-Verhalten jedes allgemeinen Modells übertrifft. Nach den vom Anbieter selbst veröffentlichten Zahlen erreicht es 77,2 auf MMLU-Pro, 78,8 auf GPQA und 72,0 auf LiveCodeBench v6 — bescheiden für ein Frontier-Modell, durchaus respektabel für etwas, das auf einen einzigen Beschleuniger passt.

Seine Schwächen sind ebenso konkret: 5,2 bei Humanity's Last Exam ohne Tools, 43,4 bei MRCRv2-Langkontext-Retrieval und eine First-Token-Latenz von etwa 2,4 bis 2,6 Sekunden bei typischen Anbietergeschwindigkeiten – für einen Routing-Hop in einem Agent-Loop eher auf der langsamen Seite.

Wo SubQ Snap 1.1 gewinnt

Drei Dinge, in der Reihenfolge ihrer Wichtigkeit. Erstens: kalibrierte Enthaltung. Snap 1.1 gibt eine Quote von 86 % für die Antwort „Ich weiß es nicht“ bei Fragen an, die es nicht korrekt beantworten kann, gegenüber 0,7 % bei der eigenen Version 1.0 auf dem Allwissenheits-Proxy des Anbieters – die Verbesserung ist das Aushängeschild dieser Version. Damit ein allgemeines LLM zuverlässig auf eine Antwort verzichtet, braucht man Prompt-Engineering, eine Konfidenz-Heuristik oder ein zweites Modell, das das erste bewertet, und nichts davon ist so sauber wie ein Modell, das mit Enthaltung als explizitem Ziel trainiert wurde.

Zweitens: Kontext. 384K in einem einzigen Durchlauf gegenüber 256K und – relevanter – keine Chunking-Strategie, die entworfen werden müsste. Ein allgemeines Modell mit 256K kann das Dokument technisch gesehen halten; ob es den richtigen Satz aus dessen Mitte abruft, ist eine andere Frage, und Gemmas 43,4 auf MRCRv2 legt nahe, dass die ehrliche Antwort „manchmal“ lautet.

Drittens die Form der Ausgabe. Eine Wahrscheinlichkeit über Ihre fünf Warteschlangen lässt sich direkt als Routing-Schwelle nutzen. Bei einem generierten Satz ist das nicht der Fall, und der Glue-Code, der das eine in das andere umwandelt, ist genau die Stelle, an der die meisten Klassifizierungsfehler in der Produktion auftreten.

Was Snap nicht hat, ist eine unabhängige Verifizierung von 1.1. Die vorhandenen Bewertungen durch Dritte testeten das Vorschaumodell, und eine davon – eine Studie zur Bewertung der Dokumentenrelevanz von 95pctai, die Snap mit Gemma 4 31B verglich – ergab, dass Snap etwa doppelt so schnell und halb so teuer pro Lauf war, aber 21 Antworten fehlten, die die Gemma-Baseline erfasst hatte. Der Autor der Studie weist darauf hin, dass sowohl das Bewertungsmodell als auch die Baseline Google-Modelle waren, was Gemma begünstigen könnte, und dass Snap nur einmal ausgeführt wurde.

Deployment-Realität

Gemma 4 12B ist nicht im Katalog von OrcaRouter enthalten. Wir bieten die Varianten 26B-A4B und 31B derselben Familie an, und das 12B ist über Googles eigene Kanäle und eine Reihe von Drittanbieterplattformen verfügbar. Snap 1.1 ist ebenfalls nicht unseres: Es läuft über Subquadratics API unter console.subq.ai.

Die praktische Frage für die meisten Teams ist nicht, auf welche Lösung sie standardisieren, sondern ob sich Entscheidungsschicht und Generierungsschicht eine Abhängigkeit teilen sollten. Sie fallen auf unterschiedliche Weise aus. Ein Router, der ausfällt, stoppt Ihre Pipeline, bevor irgendeine Arbeit erledigt wird; ein Generator, der ausfällt, stoppt sie mittendrin. Die beiden bei getrennten Anbietern zu halten – ein Schlüssel für über 200 Generierungsmodelle bei OrcaRouter mit 0 % Aufschlag auf die Anbieterliste und automatischem Failover, ein Vertrag für das Entscheidungsmodell – bedeutet, dass ein schlechter Nachmittag bei einem der beiden Anbieter die Pipeline beeinträchtigt, statt sie zum Stillstand zu bringen.

Wie man in einem Durchgang entscheidet

Wenn es bei der Entscheidung um ein Label aus einer festen Optionsmenge geht, die Dokumente lang sind und Sie keine Gewichte hosten können: Snap 1.1, und planen Sie den Aufbau Ihrer eigenen Evaluierungs-Harness ein, weil niemand eine für diese Version veröffentlicht hat.

Wenn die Entscheidung ein Label ist, aber derselbe Aufruf auch Text erzeugen muss, oder die Daten Ihr Netzwerk nicht verlassen dürfen, oder Sie freie GPU-Kapazität haben: Gemma 4 12B, feinabgestimmt auf einige Tausend Ihrer eigenen Beispiele, schlägt bei Ihrer spezifischen Aufgabe in der Regel ein Allzweck-Entscheidungsmodell.

Wenn Sie wirklich unsicher sind, besteht das günstige Experiment darin, beide über dieselben 2.000 gelabelten Fälle laufen zu lassen und nicht die Genauigkeit zu vergleichen, sondern die Kosten der Fehler, die jedes Modell macht. Snap wird sich häufiger enthalten. Gemma wird häufiger antworten und öfter falsch liegen, ohne es zu sagen. Welches davon schlimmer ist, ist eine Eigenschaft Ihres Geschäfts, nicht eines der beiden Modelle.