Sakana Namazu vs Gemma 4 12B: ¿Una API soberana o pesos que posees?

Sakana Namazu y Gemma 4 12B responden a la misma pregunta desde extremos opuestos: ¿cuál es la forma más económica de obtener un comportamiento genuinamente útil de un modelo de lengua japonesa? Sakana Namazu es una API alojada — Kimi K2.6 post-entrenado para la cultura empresarial japonesa, $0.95 / $4.00 por millón de tokens, con búsqueda web y ejecución de código integradas. Gemma 4 12B es el modelo multimodal de pesos abiertos de 12 mil millones de parámetros de Goog​le, con licencia Apache 2.0, lo suficientemente pequeño como para ejecutarse en una máquina de 16 GB y gratuito para descargar. Una te pide que confíes en la consola de un proveedor; la otra te pide que confíes en tu propio hardware.

Dos respuestas diferentes a "dónde se ejecuta esto"

Sakana Namazu es un producto: te registras, sustituyes un base_url y el modelo —ajustado, servido y equipado— está ahí. Gemma 4 12B es materia prima: descargas los pesos y todo lo que viene después es problema tuyo, desde el motor de inferencia (vLLM, llama.cpp, Ollama, MLX y SGLang funcionan todos) hasta la GPU. Esa diferencia no es una nota al pie; decide toda la comparación. Un modelo denso de 12B es territorio de portátiles —Goog​le diseñó este para ejecutarse en aproximadamente 16 GB de memoria—, lo que convierte a Gemma 4 12B en el único de los dos que funciona sin conexión, en una máquina aislada o en un dispositivo que nunca se comunica con el exterior.

El contraste de especificaciones

• Precio — Sakana Namazu $0.95 / $4.00 por 1M de tokens vs Gemma 4 12B $0 para descargar, ~$0.10 / $0.30 por 1M si alquilas hosting

• Pesos — Namazu cerrado, servido por el proveedor, frente a Gemma 4 12B abierto (Apache 2.0), autoalojable y ajustable finamente

• Contexto — Namazu no revelado vs Gemma 4 12B 256K tokens (262,144), hasta 262K de salida

• Modalidad — Namazu texto + imagen vs Gemma 4 12B texto, imagen, audio y video-como-fotogramas (entrada de audio nativa)

• Japonés — Namazu ajustado para el keigo y la cultura empresarial vs Gemma 4 12B, generalista multilingüe

• {{1}}Verificación — solo informado por el proveedor de Namazu frente a Gemma 4 12B medido de forma independiente{{/1}} ({{2}}77.2 MMLU-Pro, 78.8 GPQA Diamond según BenchLM, agosto de 2026{{/2}})

Keigo no es un punto de referencia.

La historia del idioma es donde los dos modelos realmente divergen. Gemma 4 12B es un modelo multilingüe sólido — Google lo entrenó en más de 140 idiomas — pero ser multilingüe no es lo mismo que ser culturalmente japonés. El ajuste de Sakana Namazu se centra específicamente en el registro: honoríficos que sobreviven en un correo formal, jerga técnica representada correctamente y respuestas sobre historia políticamente sensible que no arrastran el marco de otro país (la puntuación interna de FairPoliticsQA de Sakana salta del 34.10% al 56.30%). Si tu carga de trabajo es texto japonés orientado al cliente, eso es una diferencia de producto, no de especificaciones. Si tu carga de trabajo es de propósito general — resúmenes, clasificación, extracción, transcripción de audio — el audio nativo de Gemma 4 12B y su mayor contexto le dan una amplitud que Namazu no reclama.

Quién ve los datos

La comparación de privacidad favorece claramente a Gemma 4 12B. Ejecútalo localmente y nada sale de la máquina: sin telemetría, sin reclamos de entrenamiento, sin cuestiones de jurisdicción. Sakana Namazu, en cambio, utiliza tus datos para entrenamiento por defecto (puedes optar por no participar en la consola), no garantiza el procesamiento únicamente en Japón y no está disponible en la UE/EEE, el Reino Unido ni Suiza. Para una empresa japonesa que maneja PII de clientes, «el modelo vive en nuestro portátil» es una historia de cumplimiento que ninguna API alojada puede igualar actualmente. Para una empresa que no puede ejecutar o mantener su propia inferencia, ocurre lo contrario: una API alojada con herramientas integradas es la única opción realista.

La cuestión del techo

El contrapeso honesto a las ventajas de propiedad de Gemma 4 12B es la capacidad. Un modelo de 12B es junior-diligente: 72,0 en LiveCodeBench v6, un techo bajo en Humanity's Last Exam y problemas de fiabilidad de OCR de documentos en diseños densos. Es un caballo de batalla, no un cerebro. Sakana Namazu hereda el suelo de razonamiento de Kimi K2.6, una base de clase fronteriza de 1T de parámetros que Artificial Analysis sitúa en la cima del campo de pesos abiertos — con la salvedad de que los deltas de post-entrenamiento propios de Namazu provienen enteramente de lo reportado por el proveedor. Si tus tareas son de razonamiento complejo o agentes de largo horizonte, un modelo de 12B es una limitación; si tus tareas son de alto volumen y bien delimitadas, es una ganga.

La llamada

Elige Gemma 4 12B cuando las condiciones límite importen más que la capacidad máxima: datos que nunca deben salir de tu red, un presupuesto mínimo de cero, operación sin conexión o una carga de trabajo multimodal que requiera audio. Elige Sakana Namazu cuando la tarea sea específicamente lenguaje empresarial japonés, o cuando necesites comportamiento agéntico con herramientas integradas y no puedas operar tu propia infraestructura de inferencia. Y ten en cuenta que ninguna es una decisión de una sola tecla: Gemma 4 12B es de pesos abiertos que tú mismo sirves, Sakana Namazu se ejecuta en la consola propia de Sakana — así que una pila que quiera ambos ya es una pila multimodelo, que es donde un enrutador que presenta más de 200 modelos detrás de un único endpoint compatible con OpenAI y con conmutación automática por error deja de ser algo que está bien tener y se convierte en la arquitectura.