Granite Switch 4.1 8B vs Gemma 4 12B : des spécialistes composés ou un modèle unifié ?

Demandez à deux laboratoires comment construire un modèle capable de tenir une conversation, de lire une capture d'écran et de transcrire une note vocale, et vous obtenez des réponses opposées. Granite Switch 4.1 8B, publié par IBM le 14 octobre 2026, conserve un modèle de texte 8B figé et y accroche de petits adaptateurs commutables, de sorte que le vérificateur de sécurité, le moteur de décision et le moteur de reconnaissance vocale sont tous des modules additionnels greffés sur une même colonne vertébrale partagée. Gemma 4 12B, publié par Google le 23 mai 2026, fait l'inverse : un seul modèle de 11,95 milliards de paramètres entraîné dès le départ sur le texte, les images et l'audio, sans encodeur séparé à connecter. Les deux sont sous Apache-2.0, les deux tournent sur un seul GPU, et ils ne s'accordent sur presque rien de ce qui se trouve sous le capot.

La version pratique, avant les détails : Gemma 4 12B est le choix mature pour tout ce qui doit voir, parce qu'il est public depuis cinq mois, qu'il dispose d'une base d'installation véritablement importante et que sa voie multimodale est entraînée plutôt qu'assemblée. Granite Switch 4.1 8B est le choix intéressant pour tout ce qui doit décider ou faire tourner un seul point de terminaison au lieu de trois, et il n'a que deux jours, sans aucune évaluation indépendante. Ce ne sont pas des verdicts concurrents — ce sont des réponses à des questions différentes, et le reste de cet article est le détail qui vous permet de savoir quelle question vous avez réellement.

La séparation architecturale, dite sans détour

Granite Switch 4.1 8B est une composition. La base est Granite 4.1 8B — 40 couches, une taille cachée de 4 096, 32 têtes de requête face à 8 têtes KV, une fenêtre de 131 072 tokens, un vocabulaire de 100 352 tokens que les deux adaptateurs étendent d'exactement trois ids réservés. Par-dessus se trouvent deux adaptateurs LoRA activés, guardian-core au rang 16 sur les projections d'attention et decision au rang 64 sur l'ensemble des sept, plus Granite Speech 5.0 TurboCTC, un encodeur conformer non autoregressif de 470 M de paramètres, pour l'entrée audio. Total : 8 776 400 896 paramètres contre 8 380 551 168 pour la base — une augmentation de 4,72 % pour deux adaptateurs et un modèle vocal.

Gemma 4 12B est une pile unique. La configuration l'appelle gemma4_unified, et le nom est littéral : l'image, l'audio et la vidéo ont tous leurs propres identifiants de tokens au sein d'un seul vocabulaire de 262 144 tokens, et la fiche décrit l'architecture comme étant sans encodeur, ce qui signifie qu'il n'y a pas de tour de vision ni de tour audio distincte alimentant une projection dans le modèle de langage. Elle entrelace une attention locale à fenêtre glissante sur une fenêtre de 1 024 tokens avec une attention globale complète, utilise p-RoPE pour la position et s'étend jusqu'à un contexte de 256 K. Apache-2.0, comme Granite.

• Paramètres — Granite Switch 4.1 8B : 8,78 B composés (8,38 B de base). Gemma 4 12B : 11,95 B.

• Contexte — 131 072 jetons contre 256 000 jetons.

• Vocabulaire — 100 355 contre 262 144, celui de Gemma étant réservé aux tokens pour l’image, l’audio et la vidéo.

• Modalités en — texte et audio vs texte, image, audio et vidéo.

• Modalités de sortie — texte uniquement vs texte uniquement.

• Têtes spécialisées — une distribution de décision calibrée et un classifieur de sécurité, contre aucun ; Gemma répond, elle n'attribue pas de score aux étiquettes d'options.

• Licence — Apache-2.0 pour les deux.

Là où Gemma 4 12B l'emporte haut la main

Sur la vision, il n’y a pas match. Gemma 4 12B lit nativement les images ; Granite Switch 4.1 8B n’a absolument aucun chemin d’accès aux images. Si votre pipeline ingère des captures d’écran, des PDF, des graphiques ou des captures d’interface utilisateur, la comparaison s’arrête là — aucune astuce d’adaptateur, aussi ingénieuse soit-elle, ne remplace une modalité que le checkpoint n’accepte pas.

Le deuxième, c’est l’historique. Gemma 4 12B est sur le Hub depuis le 23 mai 2026 et sa déclinaison instruct a franchi la barre des 1,6 million de téléchargements ; le checkpoint de base à lui seul dépasse les 79 000. Ces deux chiffres sont des nombres de téléchargements du Hub, et non des chiffres d’utilisation ; ils surestiment donc le déploiement réel, mais la tendance ne fait aucun doute : un grand nombre de personnes ont déjà rencontré ses modes de défaillance et en ont parlé. Granite Switch 4.1 8B, au moment de la rédaction, n’a que deux jours d’existence, avec quelques dizaines de téléchargements et une poignée de likes. Cinq mois de rapports de bugs publics constituent un atout qui ne s’achète pas, et c’est l’argument le plus fort en faveur de Gemma pour une mise en production ce trimestre.

La longueur du contexte est la troisième, et c’est la discrète. 256K contre 131 072 n’est pas une différence marketing lorsqu’on alimente de longs documents. Aucun des deux modèles n’a besoin de solution de contournement pour une charge de travail de chat typique, mais un seul d’entre eux gérera un contexte à l’échelle d’un dépôt sans sharding.

Là où Granite Switch 4.1 8B l'emporte haut la main

L’adaptateur de décision est une capacité que l’autre modèle n’a tout simplement pas. Donnez-lui un état et une question avec des options étiquetées, et il renvoie un softmax calibré sur ces étiquettes en une seule passe avant — l’appel documenté demande à vLLM les logprobs des identifiants de token correspondant exactement aux étiquettes et les exponentie, produisant une sortie de la forme A : 0,982, B : 0,0035, C : 0,014. Un modèle généraliste peut être incité à choisir une étiquette, mais le prompt ne produit qu’un token, pas une distribution à laquelle on peut appliquer un seuil, que l’on peut comparer d’un tour à l’autre ou journaliser comme un score calibré. Pour la logique de routage, le triage, les seuils d’escalade et tout ce qui nécessite une valeur de confiance plutôt qu’une réponse, cela relève d’une autre catégorie de sortie.

La consolidation sur un point de terminaison unique est la deuxième. La transcription vocale s'exécute sur le même point de terminaison que le chat et les décisions ; vous envoyez un input_audio en tant que partie de contenu sur une complétion de chat normale et l'encodeur 470M le transcrit avant d'intégrer le texte dans le contexte. Pas de second serveur, pas de couche d'orchestration, pas de facture ASR séparée. Gemma 4 12B prend aussi en charge l'audio, donc ce n'est pas une lacune de capacités — c'est une différence dans la forme du déploiement, et cela n'a d'importance que si vous comptiez par ailleurs exécuter un service vocal distinct aux côtés du LLM.

L’empreinte est le troisième point. 8,78 B contre 11,95 B, c’est environ un quart de poids en moins à garder en mémoire, et la conception à cache KV partagé signifie que les adaptateurs ne portent pas chacun leur propre état d’attention. IBM affirme que le modèle composé occupe à peu près la même VRAM que la base seule ; cette affirmation précise n’a pas été reproduite, mais le delta de paramètres de 4,72 % qui la sous-tend est un fait issu du manifeste de build.

Les deux affirmations du côté de Granite qui ne sont pas encore des faits

Le chiffre de Decision Index publié pour l'adaptateur de décision est de 42,9 globalement sur le sous-ensemble rapide public edition-v0.3 de 1 068 lignes, avec des scores par domaine de 29,1 en Connaissance, 48,9 en Langue, 49,8 en Récupération, 59,8 en Outils et 18,0 en Arts. IBM a réalisé cette évaluation et IBM l'a publiée. Personne d'autre ne l'a reproduite, et il n'existe aucune entrée de classement tierce pour Granite Switch. Lisez aussi la forme : 59,8 en Outils à côté de 18,0 en Arts, c'est un profil de spécialiste, pas un score de compétence générale, et la fiche indique explicitement de traiter les probabilités des options comme un a priori plutôt que comme une classification certifiée sur les domaines pour lesquels l'adaptateur n'a pas été entraîné.

Le second est le chemin vocal, et c'est l'affirmation la plus susceptible d'être surinterprétée. L'encodeur est uniquement en anglais, sa sortie est en minuscules et sans ponctuation, et — selon les propres termes d'IBM dans la fiche du modèle — l'encodeur vocal et le LLM ne sont pas entraînés conjointement ; il n'existe aucune projection entraînée qui les couple. Le chemin audio de Gemma 4 12B a été entraîné dans le cadre du modèle. C'est là la vraie différence, et elle résiste à tout le discours sur la consolidation des points de terminaison : un système dispose d'un couplage entraîné entre le son et le sens, l'autre a une transcription insérée dans un prompt par un composant qui n'a jamais été optimisé pour fonctionner avec ce qui la lit.

Les exécuter côte à côte

Les deux checkpoints sont téléchargeables, les deux sont sous Apache-2.0, et le cadrage honnête consiste à dire qu’ils appartiennent à des créneaux différents plutôt qu’à un comparatif. Gemma 4 12B est celui vers lequel on se tourne lorsque l’entrée comporte des pixels. Granite Switch 4.1 8B est celui vers lequel on se tourne lorsque la sortie doit être une probabilité, ou lorsqu’on veut qu’un seul endpoint assure le chat, les décisions et la transcription, et qu’on est prêt à accepter que la moitié transcription soit un raccord plutôt qu’une voie entraînée.

Si vous comparez les deux, faites-le sans reconfigurer votre stack. OrcaRouter expose plus de 200 modèles derrière une seule clé API avec basculement automatique et répercute le prix catalogue du fournisseur à 0 % de marge, de sorte qu'un changement de prix côté fournisseur arrive ici le jour même plutôt qu'à la prochaine actualisation du catalogue. img src="4.png" alt="Capture d'écran de la page du modèle OrcaRouter pour Gemma 4 26B A4B, montrant le modèle étiqueté Vision, Outils, JSON et Raisonnement avec un contexte de 262K tokens, des entrées texte, image et vidéo, une date de sortie Google du 2026-04-03, un prix par million de tokens de 0,06 $ en entrée et 0,33 $ en sortie, un temps jusqu'au premier token (p50) de 2,74 secondes, et un texte introductif décrivant Gemma 4 26B A4B IT comme un modèle mélange d'experts affiné sur instructions avec 25,2 milliards de paramètres au total dont 3,8 milliards s'activent par token." /> Aucun de ces deux checkpoints n'est dans notre catalogue aujourd'hui, et nous n'allons pas prétendre le contraire — Granite Switch est un téléchargement Hugging Face et un conteneur vLLM, Gemma 4 12B c'est pareil. L'intérêt de mettre un candidat derrière une seule clé, c'est que lorsqu'il devient disponible, le comparer à l'actuel sur votre propre trafic coûte une chaîne de modèle, pas une migration. Considérez certains des modèles que nous servons, tels que Gemma 4 26B A4B, comme pont : c'est la même famille que le modèle que vous évaluez, sur un endpoint hébergé, aujourd'hui.

Lequel, pour qui

Prenez Gemma 4 12B si votre charge de travail contient des pixels, si un contexte de 256K est indispensable, ou si vous livrez ce trimestre et voulez cinq mois d'erreurs des autres entre vous et la production. Prenez Granite Switch 4.1 8B si vous avez besoin d'une distribution calibrée sur des options étiquetées plutôt que d'une réponse, si faire converger le chat, les décisions et la parole sur un seul endpoint retire un service de votre architecture, ou si vous êtes le genre d'équipe qui veut lire le manifeste de build et composer sa propre variante — le composeur est public et le catalogue d'adaptateurs est ouvert.

Ne prenez pas Granite Switch 4.1 8B pour la vision. Il n'en a pas du tout. Et ne vous fiez à aucun des deux sur la base d'un chiffre de benchmark que vous n'avez pas vous-même exécuté, car le seul score décisif dans cette comparaison est rapporté par le fournisseur, sans second avis derrière — ce qui est une affirmation sur l'état des preuves, pas sur le modèle.