TwIL-LM3-Pro לעומת Gemma 4 12B: שני מודלים מקומיים שאין ביניהם דבר משותף מלבד המחשב הנייד

הצב את TwIL-LM3-Pro ואת Gemma 4 12B זה לצד זה, והדמיון אמיתי אך רדוד: שניהם צ׳קפוינטים פתוחים שאפשר להוריד היום, שניהם פועלים על חומרה צרכנית בלי חשבון ענן, ושניהם יענו על שאלות במצב לא מקוון. כל מה שמעבר לכך מתפצל, והפיצול החד ביותר הוא משפטי ולא טכני. TwIL-LM3-Pro, המומחה ללוגיקה פורמלית בגודל 3.66B של webAI, מופץ תחת webAI Non-Commercial License ver. 1.0 — מותר לך לחקור איתו, ואסור לך לבנות עליו עסק בלי הסכם נפרד. Gemma 4 12B, המודל המולטימודלי ללא אנקודר של Goog​le DeepMind, מופץ תחת Apache 2.0. השורה הבודדת הזאת מכריעה יותר פריסות ממה שטבלת הבנצ׳מרק תכריע, ולכן כדאי להתחיל שם ולא לסיים שם.

זהו השוואה בין מומחה לג'נרליסט שבמקרה הם אותו סוג של אובייקט. TwIL-LM3-Pro מבצע משימה אחת — לוגיקה פורמלית — ומבצע אותה טוב יותר ממודלים הגדולים ממנו פי כמה. Gemma 4 12B מבצע משימות רבות, רואה ושומע כמו גם קורא, והוא נבנה במכוון כדי להיות המודל הקטן המוגדר כברירת מחדל במוצר של מישהו אחר. לקרוא את דפי המפרט שלהם זה מול זה כאילו הם מתחרים על אותה משבצת — זו הטעות שהדף הזה נועד למנוע.

הרישיון הוא המפרט הראשון

הרישיון של TwIL-LM3-Pro מתיר שכפול, מחקר ושימוש אישי, ומחייב במפורש הסכם נפרד עם webAI לצורך פריסה מניבת הכנסות. הוא גם מגביל שימוש בשמות המסחריים ובסימני המסחר של webAI ללא הסכמה בכתב. עבור חובב, סטודנט לדוקטורט או קבוצת מחקר פנימית, זו הרשאה מלאה. עבור כל מי שמשיק מוצר, זהו מחסום מוחלט עד לקיומו של הסכם — והמסלול המסחרי של webAI הוא הסדר ארגוני, לא מחירון מפורסם.

Gemma 4 12B הוא Apache 2.0. אפשר לכוונן אותו, להפיץ מחדש את הנגזרת, להגיש אותו ללקוחות ולשלב אותו בתוך מוצר מסחרי — בכפוף למדיניות השימוש של Goog​le. זה לא הבדל קטן במידה; זה ההבדל בין מודל שאפשר להעריך לבין מודל שאפשר לבנות עליו.

שניהם הורדות ללא שער ב-Hugging Face, לכן הרישיון הוא השער היחיד, והוא שער אמיתי.

מה כל מודל מיועד לו בפועל

TwIL-LM3-Pro נובע מ-`ibm-granite/granite-4.2-3b` דרך צינור בן חמישה שלבים — כיוונון עדין מפוקח ב-LoRA על קורפוס סינתטי של לוגיקה פורמלית, זיקוק רב-מסלולי, מיזוג נקודות ביקורת, אינטרפולציה של WiSE-FT בחזרה אל הבסיס המאומן מראש, ושלב GRPO המשוקלל באנטרופיה מול מאמת פרוגרמטי. פלטי היעד שלו הם אובייקטים ולא פרוזה: תרגומים ללוגיקה מסדר ראשון, תוויות גרירה, ניתוחים סמנטיים, הצהרות Lean וביקורות הוכחה ב-Lean. webAI מצהירה בבירור שהמודל אינו עוזר כללי ואינו נושא כיוונון בטיחות או העדפות מעבר למה ש-Granite 4.2 הכיל.

Gemma 4 12B הוא המבנה ההפוך. הוא החבר הצפוף בעל 11.95 מיליארד פרמטרים במשפחת Gemma 4 — 48 שכבות, אוצר מילים של 262K, חלון הקשר של 256K אסימונים — והוא מולטימודלי באופן מובנה, ומטפל בטקסט, בתמונה ובשמע באמצעות ארכיטקטורה נטולת מקודד במקום להרכיב עליו מגדלי ראייה ושמע נפרדים. כל דגמי Gemma 4 מגיעים עם מצבי חשיבה ניתנים להגדרה, תמיכה מובנית בהנחיית מערכת וקריאה לפונקציות. הוא תוכנן להיות סוס עבודה כללי לחשיבה ולמולטימודליות, בגודל שמתאים ל-GPU צרכני.

לבקש מ-TwIL-LM3-Pro לתאר תצלום אינו מבחן הוגן, וזה גם לא מבחן שהמודל נבנה לעמוד בו. לבקש מ-Gemma 4 12B להפיק ניתוח סמנטי בסכימה הוא גם לא התפקיד שעבורו כוונן. החפיפה אמיתית אך צרה: שניהם מסוגלים, ושניהם יכולים לפעול באופן לא מקוון.

הממדים ששונים בפועל

• פרמטרים — TwIL-LM3-Pro 3.66B צפוף לעומת Gemma 4 12B 11.95B צפוף, פי כ-3.3.

• חלון הקשר — TwIL-LM3-Pro 131,072 טוקנים, עבר בירושה ללא שינוי מבסיס ה-Granite שלו; Gemma 4 12B 256,000 טוקנים.

• מודאליות קלט — TwIL-LM3-Pro טקסט בלבד; Gemma 4 12B טקסט, תמונה, וידאו ואודיו.

• רישיון — webAI Non-Commercial License ver. 1.0 לעומת Apache 2.0.

• מודל בסיס — `ibm-granite/granite-4.2-3b` לעומת האימון המקדים של Gemma 4 של Goog​le עצמה, שפורסם לצד דוח טכני.

• פורמט חשיבה — TwIL-LM3-Pro פולט בלוק `<think>` כברירת מחדל לפני המענה; Gemma 4 חושפת מצבי חשיבה הניתנים להגדרה בכל המשפחה.

• טביעת רגל מכומתת — TwIL-LM3-Pro Q4_K_M בנפח 2.09 GiB, פועל על CPU או על 4 GB של VRAM; Gemma 4 12B ב-bf16 הוא כ-24 GiB, בגודל המתאים ל-GPU צרכני ולא לגרפיקה משולבת של מחשב נייד.

השורה האחרונה היא זו שמערערת בחדות הרבה ביותר על המסגור של "שניהם רצים באופן מקומי", וכדאי להיות מדויקים בעניין. הטענה המקומית של TwIL-LM3-Pro היא טענה של מחשב נייד. הטענה המקומית של Gemma 4 12B היא טענה של GPU בתחנת עבודה, כאשר המודלים הקטנים יותר של Google, E2B ו-E4B, משרתים את דרג הטלפון והמחשב הנייד באמת. שני מודלים ששניהם מכונים מקומיים אינם אותו רף חומרה.

היכן עומדות ראיות הבנצ'מרק

כל נתון ביצועים עבור TwIL-LM3-Pro מגיע מכרטיס המודל של webAI עצמה, כפי שנמדד במערכי ה-Track A וה-Track B של החברה. עדיין לא קיימת הערכה בלתי תלויה. ההשוואה שכרטיס המודל עצמו מדגיש היא מול Qwen3-8B, ולא מול שום מודל Gemma — שער המאקרו של webAI העומד על 0.5539 לעומת 0.5336 של Qwen3-8B, עם יתרון שהכרטיס מתאר כנמצא בתוך רעש הדגימה, ו-strict-7 של 0.2879 לעומת 0.2093, כאשר הפער אינו תלוי בזיכוי התאמה רופפת. מול בסיס ה-Granite 4.2 3B שלו, שער המאקרו בתוך התחום עולה מ-0.4313 ל-0.5539, בעוד שהמאקרו של 10 מערכי הנתונים שנשמרו לבדיקה נשאר יציב על 0.7901 לעומת 0.7942.

ל-Gemma 4 12B יש דוח טכני שפורסם ומגוון רחב של הערכות מצד שלישי. יש לו גם מיקום בנצ'מרק שדווח על ידי הספק בתוך המשפחה של עצמו — Goog​le מדרגת את גרסת ה-12B Unified מתחת ל-31B ול-26B A4B בטבלאות החשיבה והתכנות שלה. הדירוג הזה הוא של Goog​le, וראוי לצטט אותו ככזה.

האמירה הכנה לגבי השוואה ישירה ראש-בראש היא שאין כזו. איש לא הריץ את TwIL-LM3-Pro ואת Gemma 4 12B דרך מערכת בדיקה משותפת ופרסם את התוצאה. השניים מעולם לא קיבלו ציון לפי אותו מחוון על ידי איש, מפני שהמחוונים שלפיהם הם מדורגים אינם חופפים. דיוק בהסקה לוגית פורמלית ואחוז ב-MMLU-Pro אינם אותה יחידת מידה.

מתי כל אחד מהם הוא ההחלטה הנכונה

פנה אל TwIL-LM3-Pro כאשר הפלט שאתה צריך הוא מבנה שניתן לבדוק אותו על ידי מכונה — תווית היסק, הצהרת Lean, ניתוח סמנטי — ועומס העבודה הוא באצוות או לא־מקוון, והרישיון אינו מהווה אילוץ על מה שאתה עושה עם התוצאה. מבנה מכומת בנפח 2.09 GiB שרץ על CPU ללא תלות ברשת הוא יתרון אמיתי עבור צינור מבודד רשת או מעבר תיוג שחייב לרוץ על מחשב נייד.

פנו אל Gemma 4 12B כשאתם זקוקים למודל כללי שאפשר לשחרר, כשהקלט אינו טקסט, כשההקשר ארוך, או כשאתם צריכים לכוונן ולהפיץ מחדש. Apache 2.0 יחד עם מולטימודליות מובנית וחלון של 256K מהווים שילוב שאף אחד מהמומחים הצרים לא מציע.

שני אלה יכולים גם להתקיים במקביל. צינור עיבוד שמשתמש ב-Gemma 4 12B כדי לקרוא קלט בעל מודאליות מעורבת ולנרמל אותו, ואז מעביר היגד מובנה למומחה ללוגיקה פורמלית, הוא חלוקת עבודה סבירה, וזה אותו דפוס כמו שימוש במודל חזית לניסוח טיוטה ובמודל קטן לאימות.

הגשת כל אחד מהם מנקודת קצה אחת

לא TwIL-LM3-Pro ולא הבילד של Gemma 4 12B Unified מהווים כיום נתיב בקטלוג של OrcaRouter, וכדאי לציין זאת לפני ההמלצה ולא אחריה. מה שכן מנותב מאותה משפחה הם דרגי Gemma 4 הגדולים יותר — `gemma-4-26b-a4b-it` ו-`gemma-4-31b-it` — כך שהדפוס הנפוץ כאן הוא לבצע אב-טיפוס של הפרומפט והסכימה מול דרג Gemma 4 מתארח דרך נקודת קצה תואמת OpenAI במחיר המחירון של הספק עם תוספת של 0%, ואז להעביר את עומס העבודה המוגמר לצ'קפוינט 12B על החומרה שלך. אותה נקודת קצה משרתת יותר מ-200 מודלים, כך שמודל החזית שבו אתה משתמש כדי ליצור נתוני הערכה והמודל הקטן שבו אתה משתמש כדי לבדוק אותם נמצאים במרחק של מפתח אחד ופורמט בקשה אחד, עם מעבר אוטומטי לגיבוי אם ספק מתערער באמצע הריצה.

זו גרסה חלשה יותר של סיפור הניתוב מהרגיל, ויש למסור אותה ככזו: אנחנו לא מארחים את המודל שאיתו אתה משווה, ולכן העצה הכנה היא תהליך עבודה ולא מתג.

כלל ההחלטה

אם התוצר חייב להיות ניתן לפריסה מסחרית, הרישיון עונה על השאלה לפני שכל מבחן השוואתי עושה זאת, והוא מצביע על Gemma 4 12B. אם התוצר הוא פלט של לוגיקה פורמלית המיוצר באופן לא מקוון ונצרך באופן פנימי, TwIL-LM3-Pro הוא הכלי החזק יותר בשליש מהגודל. אם אתה זקוק לשניהם, ההנדסה המעניינת אינה בחירת מנצח — היא הגדרת הממשק שבו מודל מולטימודלי כללי מפסיק ומומחה ללוגיקה פורמלית מתחיל.