ZoomGain-9B לעומת Gemma 4 12B: השורה שחסרה מהבנצ'מרק
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 119 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 99 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-0727 tok/s
- OrcaחדשOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 121 tok/s
- OrcaחדשOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 230 tok/s
- OrcaחדשOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 לכל 1M טוקנים · 40 tok/s
- OrcaחדשOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 129 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 58 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 98 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 40 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 125 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 105 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 63 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 406 tok/s
עשרים ושמונה מודלים קיבלו ציון במבחן ZoomGain בעת ההשקה. ארבע מערכות חזיתיות בקוד סגור, ארבעה מודלי ראייה אגנטיים, ארבעה מומחים בעלי התמחות צרה ושישה עשר מודלים כלליים בקוד פתוח. Gemma אינו ביניהם — לא Gemma 4 12B, לא Gemma 4 31B, ולא אף אחד מדגמי סדרת E. ההשמטה הזו היא העובדה השימושית ביותר להשוואה בין ZoomGain-9B ל-Gemma 4 12B, משום שהמשמעות היא שכל טבלת "ZoomGain מול Gemma" שתוכלו לבנות תכיל חור, והטקסט הזה עוסק במה ששני המודלים האלה באמת, ולא במספר שלא קיים.
השניים קרובים מספיק בגודל כדי להזמין את ההשוואה, ורחוקים מספיק במטרה כדי להפוך אותה למטעה. ZoomGain-9B הוא צ'קפוינט חזותי-לשוני בגודל 9B מבית inclusionAI, שעבר אימון-משך בלמידת חיזוק על 9,000 שאלות שנכרו מחיתוכי תמונות, ושוחרר ב-10 בנובמבר 2026 עם מאמר אך ללא הכרזה. Gemma 4 12B הוא המודל המולטימודלי המאוחד נטול המקודד בגודל 11.95B של Google DeepMind, שפורסם ב-23 במאי 2026, ברישיון Apache 2.0, עם 1.8 מיליון הורדות ו-1,730 לייקים בחודש האחרון. האחד הוא כלי מחקר עם יכולת מוכחת אחת. האחר הוא מוצר עם רישיון, סט תיעוד, שש קוונטיזציות וחצי שנה של שימוש קהילתי.
מה כל אחד הוא בפועל
Gemma 4 12B הוא החבר הארכיטקטוני המעניין במשפחת Gemma 4. דגמי E2B, E4B ו-31B משתמשים במקודדים ייעודיים — מגדל ראייה בעל כ-150 מיליון פרמטרים בדגמים הקטנים, וכ-550 מיליון בדגם 31B — ומעבירים אמבדינגים למודל השפה. ה-12B לא. הוא מקרין טלאי תמונה גולמיים וצורות גל שמע ישירות למרחב האמבדינג של הדקודר דרך שכבות ליניאריות קלות, וזה מה ש"Unified" אומר בשמו, וזו הסיבה שתמיכת אודיו קיימת בדגם הזה ולא בדגם 31B.
המבנה שלו: 48 שכבות, גודל מוסתר 3,840, גודל ביניים 15,360, 16 ראשי שאילתה מול 8 ראשי KV בממד ראש 256, אוצר מילים של 262,144 טוקנים ו-262,144 מיקומים מרביים. ארבעים מתוך ארבעים ושמונה השכבות שלו הן קשב בחלון מחליק בגודל 1,024 טוקנים; שמונה הן קשב מלא, והשכבה האחרונה היא תמיד גלובלית. שלוש מודאליות קלט, פלט טקסט, הקשר של 256K, ותפקיד מערכת מקורי.
ZoomGain-9B בנוי בכיוון ההפוך. גזע הטקסט שלו הוא Qwen3.5-9B — 32 שכבות, hidden 4,096, intermediate 12,288, תבנית 3:1 של קשב לינארי לקשב מלא, 262,144 מיקומים מקסימליים — כאשר מגדל ראייה הוצמד לו על ידי מודל הבסיס ולא הומצא כאן. על גבי אותו גזע, המחברים הריצו GRPO על 9,000 שאלות שתשובותיהן תלויות בפרטים הנראים רק כשמתקרבים לאזור. המודל לא אומן כעוזר כללי ואינו מוצג ככזה.
• פרמטרים — Gemma 4 12B עם 11.95B לעומת ZoomGain-9B עם כ-9.4B (18.82 GB ב-BF16 לעומת גודל הקובץ של ה-12B).
• מודאליות — Gemma 4 12B מקבל טקסט, תמונה, וידאו ואודיו; ZoomGain-9B מקבל טקסט ותמונה. אודיו אינו פער במימוש של ZoomGain, הוא חסר בתצורה שלה.
• הקשר — Gemma 4 12B מתעד 256K. הכרטיס של ZoomGain-9B אינו מתעד דבר; תצורתו יורשת 262,144 פוזיציות מגזע Qwen3.5-9B, וזה אינו זהה לתכונה שנבדקה של הצ'קפוינט שעבר כיוונון עדין.
• רישיון — Gemma 4 12B Apache 2.0 עם קובץ רישיון בשם מפורש. ZoomGain-9B: הקוד תחת Apache 2.0, תנאי הצ'קפוינט מועברים לכרטיס שאינו נושא תג רישיון.
• הפצה — Gemma 4 12B מגיע כ‑BF16, QAT q4_0 GGUF בנפח 6.98 GB עם מקרן בנפח 0.18 GB, וניתן לבנות אותו מ‑ggml-org, unsloth ו‑litert; ZoomGain-9B מגיע כ‑BF16 בתוספת GGUF ב‑F16, Q8_0 ו‑Q4_K_M החל מ‑11 בנובמבר.
• תיעוד — ל-Gemma 4 12B יש בלוג השקה, דוח טכני, ספרי מתכונים למסגרות ודף רישיון. ל-ZoomGain-9B יש מאמר, מאגר וכרטיס שאינו מציין אורך הקשר.
למה השורה החסרה אינה מחדל שאפשר לנפנף בו
הבנצ'מרק ZoomGain נבנה כדי לחשוף כשל אחד: מודל שאינו מצליח לפענח פרט קטן בתוך מסגרת גדולה. המחברים מדרגים זיהוי מאפיינים, ספירה ו-OCR על פני 1,000 שאלות ו-941 תמונות, באנגלית ובסינית, עם התאמה מדויקת בשאלות רב-ברירה ובמספרים שלמים, ו-ANLS ברף של 0.7 עבור OCR. במבחן הזה הטוב מבין עשרים ושמונה מודלים מגיע ל-61.08, ורק חמישה חוצים את 50.
Gemma 4 12B לא הורץ עליו. גם לא אף Gemma אחר. זה משאיר אותך עם שתי אפשרויות, ורק אחת מהן ישרה. אתה יכול להעמיד את MMMU Pro 69.1 ו-MATH-Vision 79.7 של Gemma מול הממוצע ה-held-out של ZoomGain, 66.10, ולקרוא לזה השוואה — אבל זו השוואה בין מערך מולטימודלי רחב לבין ממוצע של שלושה־עשר מבחני תפיסה, והיא מייצרת מספר חסר משמעות. או שאתה יכול לומר את האמת: אף אחד לא מדד את השניים האלה על אותו סרגל, ואם השאלה חשובה לך, המבחן זמין להורדה ואתה יכול להריץ אותו בעצמך בתוך אחר צהריים.
האפשרות השנייה זולה ממה שהיא נשמעת. ZoomGainBench מופץ כאנוטציות, תמונות ומעריך; ההערכה מקבלת נקודת קצה תואמת OpenAI או צ'ק-פוינט מקומי, רצה בטמפרטורה 0 עם חשיבה מושבתת, ומדווחת תוצאות לכל שאלה. Gemma 4 12B רץ תחת vLLM או llama.cpp. זו השוואה ראש בראש אמיתית שתוכל להפיק, והעובדה שכותבי הבנצ'מרק לא כללו Gemma היא כשלעצמה מאלפת — המודל היה זמין שישה חודשים לפני שהבנצ'מרק הזה פורסם.
היכן נמצאים המספרים ב-Gemma 4 12B, ומה משמעותם
אלה המספרים של Google עצמה מכרטיס המודל, שלא שוחזרו על ידי מעבדה נייטרלית:
• MMMU Pro 69.1 — מערך ההיסק הרב-מודלי, והדבר הקרוב ביותר בדף הנתונים של Gemma להצהרה על יכולת חזותית.
• MATH-Vision 79.7 — הסקה מתמטית על דיאגרמות ותמונות.
• OmniDocBench 1.5 — מרחק עריכה ממוצע של 0.164 — ניתוח מסמכים, שבו נמוך יותר עדיף; ה-31B מגיע ל-0.131.
• MMLU Pro 77.2, GPQA Diamond 78.8, AIME 2026 77.5 ללא כלים — הצד הטקסטואלי, ש-ZoomGain-9B אינו טוען לו כלל.
• τ² ממוצע 69.0 וקריאה מובנית לפונקציות — שימוש בכלים אגנטיים.
• MRCR v2 עם שמונה מחטים ב-128K, 43.4% — אחזור בהקשר ארוך, והמספר שמערער יותר מכל את כותרת ה-256K.
האחרון ראוי להדגשה. חלון של 256K אינו 256K של קשב שמיש, והעובדה ש-Google מפרסמת ציון אחזור שיורד ל-43.4% ב-128K היא יותר כנות ממה שרוב כרטיסי המודל מציעים. אם עומס העבודה שלך הוא "למצוא עובדה אחת במסמך גדול", החלון של Gemma 4 12B אמיתי, אבל יכולת ההיזכרות שלו בעומק בינונית, ולא קיים מדד שקול ל-ZoomGain-9B כי לא בוצעה עליו הערכת הקשר ארוך.
היכן של-ZoomGain-9B יש את המספרים, וההסתייגות שמצורפת לכל אחד
הכול מדווח על ידי המחבר, על ההרנס ששוחרר:
• HR-Bench 4K 90.25, עלייה מ-82.13 של Qwen3.5-9B שממנו נגזר. תפיסה ברזולוציה גבוהה, וטענת הדגל של השחרור.
• V*Bench 93.19, עלייה מ-86.91. זיהוי עצמים קטנים בסצנות עמוסות.
• MMVP 70.00, עלייה מ-60.00. מבחן התמונות המזווגות שבו לשתי תמונות כמעט זהות יש תשובות נכונות שונות — האנלוגיה הקרובה ביותר שקיימת למה ש-ZoomGain אומן עבורו.
• ZoomGainBench 55.48, עלייה מ-32.13. עמודת ה-held-in, שהיא מנופחת מעצם בנייתה, והמחברים עצמם אומרים זאת.
• ממוצע Held-out של 66.10 על פני שלושה עשר מדדים, עלייה מ-59.75. המספר שיש לו משמעות.
ההסתייגויות, לפי סדר מידת הדאגה שהן צריכות לעורר בך. ראשית, איש מחוץ לרשימת המחברים לא שחזר ולו חלק ממנו. שנית, הבנצ'מרק ונתוני האימון מגיעים מאותו צינור עיבוד, ולכן המאמר מוציא את הבנצ'מרק שלו עצמו מהממוצע של קבוצת הבדיקה — משמעת ראויה לציון. שלישית, מערך האימון כולל 9,000 רשומות, קטן מספיק כדי שהשיפורים עשויים להיות מוגבלים גם במקומות שבהם הם אמיתיים. רביעית, למודל אין נקודת קצה מתארחת, ונכון לזמן הכתיבה יש לו מיפוי ספקים ריק ב-Hub.
העלות, במונחים שבאמת קובעים אותה
Gemma 4 12B ב-QAT q4_0 הוא 6.98 GB ועוד פרויקטור של 0.18 GB. זה נכנס במחשב נייד עם 16 GB עם מקום עודף, ובכרטיס של 8 GB רק במאמץ. ZoomGain-9B ב-Q4_K_M הוא 5.63 GB ועוד 0.52 GB של פרויקטור; ב-Q8_0 הוא 9.53 GB ועוד 0.62 GB. ה-9B הוא ההורדה הקטנה יותר בכל רמת דיוק משום שהוא המודל הקטן יותר, וה-trunk שלו, שעתיר קשב לינארי, משמעו מטמון KV קצר יותר באורכי רצף ארוכים, מה שחשוב אם מזינים לו תמונות ברזולוציה גבוהה ולא טקסט ארוך.
לא ניתן להפעיל אף אחד מהם דרכנו היום. Gemma 4 12B אינו בקטלוג של OrcaRouter, וגם ZoomGain-9B לא, ולכן האמירה הכנה היא ששניהם החלטות של אירוח עצמי או API של ספק. מה שכן מתארח אצלנו הוא Gemma 4 26B A4B במחיר $0.06 למיליון טוקני קלט וב-$0.33 למיליון טוקני פלט עם חלון של 262K — אותה משפחה, פי ארבעה מתקציב הפרמטרים הפעילים, ודרך לגיטימית לגלות אם פרופיל ניתוח המסמכים של Gemma מתאים לצינור העיבוד שלכם לפני שתורידו משהו. מפתח אחד מכסה את זה ועוד יותר מ-200 מודלים אחרים במחיר המחירון וללא תוספת, כך שהשוואה בין נקודת קצה חזותית למודל טקסט זול עולה אחר צהריים אחד במקום שלושה חוזים.
בחר לפי תפקיד, לא לפי דרגה
אם המשימה היא פרט קטן בתוך תמונה גדולה — מספר סידורי על מכשיר, הטקסט על שלט רחוק, הצבע של עצם אחד מבין ארבעים, ספירת חלונות על חזית — ZoomGain-9B הוא המודל שנבנה בדיוק לכך, עם הסתייגות שהראיות שלו מדווחות על ידיו והרישיון שלו דורש קריאה. הארכיטקטורה שלו מותאמת בדיוק למצב הכשל שאתה נתקל בו.
אם המשימה היא כל דבר אחר ויזואלי — קריאת מסמך רב-עמודי, תיאור סצנה, מענה על שאלה לגבי תרשים, קליטת אודיו כמו גם תמונות, קריאה לפונקציה לאחר מכן — Gemma 4 12B הוא המוצר המוגמר, וההשוואה כבר לא צמודה. יש לו אימון מקדים ב-140 שפות, קריאה לכלים נייטיבית, חלון של 256K עם עקומת שליפה שפורסמה, שש קוונטיזציות ורישיון שאפשר להעביר למחלקה המשפטית בלי הסבר.
אם המשימה היא גם וגם, התשובה הכנה היא ששני אלה הם שכבות של צינור עיבוד אחד ולא חלופות. סוכן המסמכים הריאלי של 2026 מפרש באמצעות מודל מולטימודלי כללי ומעלה את החיתוכים החשובים למומחה תפיסה — וההסלמה היא המקום שבו יושבת ההנדסה המעניינת, כי פירושה להחליט מתי פרט שווה קריאה שנייה. זו בעיית ניתוב, ולכן אכפת לנו ממנה: כלל ששולח את הקריאה הזולה למודל הזול ואת ההסלמה לכל נקודת קצה שעוברת את הרף שלך הוא שינוי קונפיגורציה אחד, ומעבר כשל פירושו שמומחה תקוע לא תוקע את צינור העיבוד.
הכרעת הדין, כפי שהיא מנוסחת בצורה שהראיות תומכות בה
Gemma 4 12B היא הרכישה הבטוחה יותר בכל מדד שאינו מבחן תפיסה: רישיון, תיעוד, הפצה, רוחב, קהילה, והעובדה ש-Google מפרסמת נתונים שאפשר להתווכח איתם. ZoomGain-9B הוא המודל המעניין יותר, ולפי הסבירות הכלי הטוב יותר למשימה אחת ספציפית, על סמך ראיות שטרם נבדקו על ידי מי שלא כתב את המאמר.
הצעד הנכון הבא תלוי באיזה מהמשפטים האלה מצאת את עצמך מסכים. אם זה היה הראשון, הורד את QAT GGUF והפסק לקרוא. אם זה היה השני, הורד את ZoomGainBench יחד עם המשקלים — 941 תמונות, 1,000 שאלות, מעריך ומספר שתוכל להפיק בעצמך — והרץ את Gemma דרכו. אז תהיה האדם הראשון שעשה זאת, ותדע משהו על שני המודלים שאף אחד מהספקים לא יודע כרגע.
