Dessa לעומת Gemma 4 12B: שני דגמי מחשב נייד, רק אחד מהם ניתן להוריד

ההשוואה השימושית ביותר בין Dessa ו-Gemma 4 12B אינה ציון בנצ'מרק. זהו קובץ. Gemma 4 12B — מודל המשקלים הפתוחים של Google DeepMind עם 11.95 מיליארד פרמטרים, שפורסם בשם Gemma 4 12B Unified ברישיון Apache 2.0 ב-3 ביוני 2026 — הוא צ'ק-פוינט שאפשר להוריד כבר היום אחר הצהריים, להריץ על מחשב נייד עם 16 GB ולכוונן בלי לשאול אף אחד. Dessa, שהוכרז על ידי Block ב-23 באוקטובר 2026, הוא מודל דיבור בדופלקס מלא שרץ על MacBook Pro M4 Max לפי היצרן, אלא שאי אפשר להוריד אותו, לפנות אליו או לבדוק אותו. הוא נמצא מאחורי רשימת המתנה בלי משקלים, בלי API, בלי מחיר ובלי מספר פרמטרים מפורסם.

שניהם נמכרים כמודלים מקומיים. רק אחד מהם מופץ בפועל. ההבחנה הזו מארגנת את כל השאר: מה אפשר לבנות, מה אפשר למדוד, ומה בכלל המשמעות של "רץ על לפטופ".

התשובה הקצרה, ולמה היא קצרה

אם המטרה שלך היא להשיק משהו ברבעון הזה שמעבד טקסט, תמונות, אודיו או וידאו, ‏Gemma 4 12B הוא היחיד מבין השניים שהוא מוצר שאפשר להשתמש בו. אם המטרה שלך היא לחקור דיבור בדופלקס מלא — מודל שמקשיב בזמן שהוא מדבר, מתערב, ומופרע בלי לאבד את החוט — ‏Dessa הוא הארטפקט המעניין יותר, ואתה עדיין לא יכול לקבל אותו.

זה נשמע כמו דחייה. זה קרוב יותר לתיאור של שני שלבים שונים של בגרות. Gemma 4 12B הוא מהדורה פתוחה מוגמרת עם רישיון, כרטיס מודל וטבלת בנצ'מרקים. Dessa היא תצוגה מקדימה מחקרית עם סרטון הדגמה. השוואה ביניהם ביכולות דומה להשוואה בין מצלמה שכבר יצאה לשוק לבין אב־טיפוס מעבדה: ייתכן שלאב־הטיפוס יש חיישן טוב יותר, אבל רק אחד מהם מצלם תמונה שאפשר לשמור.

שתי משמעויות של "local"

הסיפור המקומי של Gemma 4 12B הוא קונקרטי. זהו מודל צפוף מסוג decoder-only עם ארכיטקטורה מאוחדת ללא אנקודר — 48 שכבות, טלאי תמונה מוקרנים ישירות, ואודיו מטופל ללא אנקודר נפרד. גוגל ממקמת אותו לזכרון מאוחד של כ-16 GB, והמשקלים זמינים ב-Hugging Face ב-BF16, כאשר גרסאות קהילתיות של GGUF, MLX ואחרות מגיעות בעקבותיהם. אפשר להריץ אותו במצב לא מקוון, במטוס, בלי חשבון.

הסיפור המקומי של Dessa הוא משפט בעמוד: האינפרנס רץ מהר יותר מאשר בזמן אמת על MacBook Pro M4 Max או דגם טוב יותר. אין נתון זיכרון, אין קוונטיזציה, אין גודל קובץ ואין הורדה. הטענה עשויה להיות נכונה לחלוטין. היא גם אינה ניתנת להפרכה מבחוץ, כי "ריצה מקומית" בפוסט של ספק יכולה להיות "החוקרים שלנו הדגימו את זה על מחשב נייד" ולא "אתה תריץ את זה על שלך". עד שיש קובץ משקלים או מתקין, הקריאה הישרה היא הראשונה.

שומעים, משוחחים

ההבדל הארכיטקטוני חד יותר מפער הפרמטרים. Gemma 4 12B הוא קורא מולטימודלי: טקסט, תמונה, אודיו וווידאו נכנסים; טקסט יוצא. קלט האודיו שלו מוגבל ל-30 שניות לכל קטע, וקלט הווידאו שלו לכ-60 שניות בקצב של פריים אחד לשנייה. בתוך המגבלות האלה הוא יכול לתמלל, לתרגם, לתאר, לענות על שאלות בנוגע להקלטה ולחלץ נתונים מובנים. במילים אחרות, הוא טוב במיוחד בהפיכת פיסה מוגבלת של העולם לטקסט.

Dessa היא זרם שיחתי: אודיו נכנס, אודיו יוצא, בלי שלב טקסט בכלל. אין תמלול לבדוק, אין גבול טוקנים, ואין שלב סינתזה נפרד. הטענה של Block היא שזה משמר פרוזודיה, צחוק, אנחות ותזמון שצינור דיבור-לטקסט-לדיבור משטח. ההדגמות שלה מציגות את המודל צוחק באמצע משפט, מתאים עוצמת קול, ומשלים שם סרט שנשכח מפי הדובר.

המשמעות המעשית היא ששני המודלים אינם ניתנים להחלפה ברמת ה-API. אי אפשר לשלוח ל-Dessa קובץ PDF. אי אפשר לבקש מ-Gemma 4 12B להיקטע באמצע תשובה, מכיוון שהוא אינו מפיק זרם שמע שאפשר לקטוע. מוצר קולי המבוסס על Gemma זקוק לפחות לשני רכיבים נוספים; מוצר מסמכים המבוסס על Dessa אינו אפשרי כלל.

דף המפרט, עם שני הצדדים באותה שורה

הנתונים שלהלן מדווחים על ידי הספקים אלא אם צוין אחרת. הנתונים של Gemma מגיעים מכרטיס המודל של Google; אלה של Dessa מגיעים מדף ההכרזה של Block, שמפרסם הרבה פחות.

• פרמטרים — Gemma 4 12B 11.95B צפוף לעומת Dessa לא נחשף.

• משקלים — הורדת Gemma 4 12B Apache 2.0 לעומת Dessa, לא פורסם דבר.

• הקשר — Gemma 4 12B עם 262,144 טוקנים לעומת Dessa שלא צוין, ואין ממשק טוקנים שלפיו אפשר למדוד זאת.

• קלט — Gemma 4 12B: טקסט, תמונה, אודיו עד 30 שניות, וידאו עד כ-60 שניות, לעומת Dessa — זרם אודיו חי.

• פלט — טקסט של Gemma 4 12B לעומת אודיו של Dessa.

• אינטראקציה — Gemma 4 12B בקשה ותגובה מבוססות תורות לעומת Dessa בדופלקס מלא, עם קטיעת דיבור ותגובות לוואי.

• חומרה — Gemma 4 12B בערך 16 GB של זיכרון מאוחד, לעומת Dessa, MacBook Pro M4 Max או טוב יותר, לפי Block.

• מחיר — Gemma 4 12B להורדה בחינם; מחירי השירות המאוחסן אצל ספקי צד שלישי נעים סביב $0.10 לקלט ו-$0.30 לפלט לכל מיליון טוקנים, לעומת Dessa ללא מחיר.

• מדדים — Gemma 4 12B טבלת ספק מפורסמת לעומת Dessa — אין.

• זמינות — Gemma 4 12B זמין באופן כללי מאז יוני 2026 לעומת רשימת המתנה של Dessa ותצוגה מקדימה קטנה לחוקרי בטיחות.

איפה Gemma 4 12B מנצח כברירת מחדל

נתחיל במספרים שגוגל פרסמה, כולם שדווחו על ידי הספק ולא שוחזרו כאן: MMLU-Pro 77.2, GPQA Diamond 78.8, AIME 2026 77.5 ללא כלים, LiveCodeBench v6 72.0, Codeforces Elo 1659, Tau2 69.0, MMMU-Pro 69.1, ו-HLE 5.2. התבנית היא מודל בגודל בינוני שהוא חזק עבור המחלקה שלו בהסקה ובראייה, חלש בשאלות החזית הקשות ביותר, ומיומן בשימוש בכלים. חלון הקשר של 256K וקריאה לפונקציות מקורית הופכים אותו לעמוד שדרה סביר עבור סוכן שקורא מסמך ארוך ואז פועל.

ב-Artificial Analysis, שאינה תלויה ב-Google, מעריכים את גרסת החשיבה ב-14 ב-Intelligence Index שלה — מסומן כאומדן ולא כהרצה מדודה, והרבה מעל החציון של 8 עבור מודלים פתוחים דומים. זהו תיקון שימושי לטבלת הספק: מודל בגודל בינוני, המדורג באמצע החבילה על ידי צד שלישי.

מספרי האודיו שלו צנועים יותר ורלוונטיים יותר להשוואה הזו. CoVoST מגיע ל-38.5 ו-FLEURS ל-0.069 (נמוך יותר טוב), שניהם לפי דיווח הספק, כשהנתון של CoVoST אינו כולל סינית. אלה מדדי תרגום דיבור וזיהוי דיבור, לא איכות שיחה. Gemma יכול לשמוע קטע של 30 שניות ולספר לך מה נאמר. הוא לא יכול לנהל שיחה חיה.

הרישיון הוא החלק שמכריע את רוב השאלות המסחריות. Apache 2.0 משמעו אין סף הכנסות, אין משא ומתן על שימוש מקובל, ואין צורך באישור ספק כדי לבצע fine-tune. עבור צוות שרוצה להחזיק בנתיב ההסקה שלו, זה שווה יותר מדמו טוב יותר.

לאן שהדמואים של דסה מצביעים, אם הם מחזיקים מעמד

הטענה המעניינת אינה ש-Dessa נשמעת אנושית. היא שהסרת צוואר הבקבוק של הטקסט מסירה קטגוריה שלמה של כשל. צינור עיבוד שמתמלל תחילה חייב להחליט מתי סיימת לדבר; הוא מתחייב לתמלול לפני שהוא יכול להגיב; הוא מאבד את האנחה. מודל דו-כיווני לעולם לא מתחייב לכך. אם הקליפים של Block מייצגים, התוצאה היא שיחה שמכילה דיבור חופף — אפשר לדבר במקביל אליו, והוא יכול לדבר במקביל אליך.

מה שחסר הוא כל דרך לדעת אם הקליפים מייצגים. Block אומרת שאיש אינו מכוון את המודל ושהכתוביות נוספו בדיעבד, מה ששולל את הבימוי הגס ביותר. היא אינה מפרסמת סט נפרד, התפלגות השהיה, שיעור התאוששות מהפסקות או ציון מובנות ברעש. The Verge מצא שאותן הדגמות "מעט מביכות ומשונות", כולל קליפ שבו המודל קורא לבן הזוג שלו "רונאלדו". רצף קליפים נבחר יכול לעמוד בזה; מוצר חייב.

בונים היום לופ קולי סביב Gemma

אם אתם רוצים סוכן קולי עכשיו, הארכיטקטורה היא זיהוי דיבור, אחר כך Gemma 4 12B, ואחר כך סינתזת דיבור. המודל מטפל בהבנה, בהיסק ובטקסט של התגובה; השירותים הסובבים מטפלים באודיו. תקציב השהיה נשלט על ידי שני הקצוות, לא על ידי האמצע: זיהוי נקודת סיום בתוספת סינתזה בדרך כלל עולה יותר זמן שעון מאשר האסימון הראשון של מודל השפה.

OrcaRouter שימושי באמצע הלולאה הזו מסיבה אחרת. API אחד מול יותר מ-200 מודלים פירושו שאפשר להחליף את שלב החשיבה בלי לשכתב את האפליקציה, ומעבר אוטומטי לגיבוי פירושו שתקלה אצל ספק לא מסיימת את הקריאה. מודל 0% תוספת — מחיר המחירון של הספק מועבר הלאה — חשוב כשספק מוריד מחיר, כי ההורדה פעילה אצלנו באותו יום. הסתייגות אחת בכנות: אנחנו מנתבים את Gemma 4 26B A4B ואת Gemma 4 31B, לא את ה-12B, שהוא מודל להורדה ואירוח. אם אתם רוצים את ה-12B מאחורי API, זו החלטת אירוח של צד שלישי, לא שלנו.

בחירה לפי אילוץ

• עליך לספק פלט טקסט או מולטימודלי עכשיו — Gemma 4 12B, ללא חלופה רצינית בזוג הזה.

• אתה צריך הסקה לא מקוונת על חומרה בשליטתך — Gemma 4 12B, כי המשקולות קיימות.

• אתה צריך שמסמך, תמונה או הקלטה בת 30 שניות יובנו — Gemma 4 12B.

• אתה צריך קול חי שאפשר לקטוע — Dessa היא היחידה מבין השתיים שמכוונת לכך, והיא אינה זמינה.

• יש צורך בהבעתיות רגשית באודיו המופק — ההדגמות של Dessa הן ההוכחה, והן נבחרו על ידי הספק.

• אתה צריך רישיון שאפשר להעביר דרך תהליך רכש — ה-Apache 2.0 של Gemma 4 12B הוא הרישיון היחיד על השולחן.

מה יהפוך את זה להשוואה אמיתית

שלושה דברים היו משנים את התשובה. ממשק API של Dessa, כך שאפשר היה למדוד את השניים על אותן שיחות. מספר פרמטרים ונתון השהיה שפורסמו, כך שאפשר היה לשחזר את הטענה לגבי המחשב הנייד. או מודל דיבור-ילידי במשקולות פתוחות ממישהו אחר, מה שיהפוך את "Dessa מול Gemma" להשוואה של ארכיטקטורות במקום להשוואה של זמינות.

עד אז, הסיכום ההוגן הוא ש-Gemma 4 12B הוא מודל מולטימודלי מקומי בעל יכולות, עם צוואר בקבוק טקסטואלי שהוא אינו יכול להסיר, ו-Dessa היא ניסיון מבטיח להסיר את צוואר הבקבוק הזה בלי שום דרך ציבורית לבדוק את התוצאה. הראשון הוא כלי. השנייה היא השערה עם ערכי הפקה מצוינים.