Sakana Namazu vs Gemma 4 12B: API Berdaulat atau Bobot yang Anda Miliki

Sakana Namazu dan Gemma 4 12B menjawab pertanyaan yang sama dari ujung yang berlawanan: apa cara termurah untuk mendapatkan perilaku model bahasa Jepang yang benar-benar berguna? Sakana Namazu adalah API yang dihosting — Kimi K2.6, hasil post-training untuk budaya bisnis Jepang, $0,95 / $4,00 per juta token, pencarian web dan eksekusi kode terintegrasi di dalamnya. Gemma 4 12B adalah model multimodal 12 miliar parameter open-weight milik Goog​le, Apache 2.0, cukup kecil untuk dijalankan di mesin 16 GB, dan gratis untuk diunduh. Yang satu meminta Anda mempercayai konsol vendor; yang lain meminta Anda mempercayai perangkat keras Anda sendiri.

Dua jawaban berbeda untuk "di mana ini berjalan"

Sakana Namazu adalah sebuah produk: Anda mendaftar, mengganti base_url, dan modelnya — disetel, disajikan, dilengkapi — sudah ada. Gemma 4 12B adalah bahan mentah: Anda mengunduh bobotnya dan semua setelah itu adalah masalah Anda, mulai dari mesin inferensi (vLLM, llama.cpp, Ollama, MLX, SGLang semuanya berfungsi) hingga GPU. Perbedaan itu bukan sekadar catatan kaki; perbedaan itu menentukan keseluruhan perbandingan. Model dense 12B adalah wilayah laptop — Goog​le merancangnya untuk berjalan di sekitar 16 GB memori — yang menjadikan Gemma 4 12B satu-satunya dari keduanya yang bekerja offline, pada mesin yang terisolasi, atau pada perangkat yang tidak pernah menghubungi server.

Kontras spesifikasi

• Harga — Sakana Namazu $0,95 / $4,00 per 1M token vs Gemma 4 12B $0 untuk diunduh, ~$0,10 / $0,30 per 1M jika Anda menyewa hosting

• Bobot — Namazu tertutup, dilayani vendor vs Gemma 4 12B terbuka (Apache 2.0), dapat di-host sendiri, dapat di-fine-tune

Konteks — Namazu tidak diungkapkan vs Gemma 4 12B 256K token (262,144), hingga 262K output

• Modalitas — Namazu teks + gambar vs Gemma 4 12B teks, gambar, audio, dan video-sebagai-frame (input audio native)

• Bahasa Jepang — Namazu disetel untuk keigo dan budaya bisnis vs Gemma 4 12B generalis multibahasa

• Verifikasi — Namazu hanya berdasarkan laporan vendor, sedangkan Gemma 4 12B diukur secara independen (77.2 MMLU-Pro, 78.8 GPQA Diamond menurut BenchLM, Agustus 2026)

Keigo bukan tolok ukur.

Dari segi bahasa, kedua model ini benar-benar berbeda. Gemma 4 12B adalah model multibahasa yang kuat — Google melatihnya di lebih dari 140 bahasa — tetapi multibahasa tidak sama dengan budaya Jepang. Penyetelan Sakana Namazu secara khusus mengenai ragam bahasa: honorifik yang tetap bertahan dalam email formal, jargon industri yang disajikan dengan benar, dan jawaban tentang sejarah yang sensitif secara politik yang tidak membawa cara pandang negara lain (skor FairPoliticsQA internal Sakana melonjak dari 34,10% menjadi 56,30%). Jika beban kerja Anda adalah teks berbahasa Jepang yang berorientasi pelanggan, itu adalah perbedaan produk, bukan perbedaan spesifikasi. Jika beban kerja Anda bersifat umum — ringkasan, klasifikasi, ekstraksi, transkripsi audio — audio bawaan Gemma 4 12B dan konteks yang lebih besar memberinya keluasan yang tidak diklaim Namazu.

Siapa yang melihat data

Perbandingan privasi sangat berpihak pada Gemma 4 12B. Jika dijalankan secara lokal, tidak ada apa pun yang keluar dari mesin — tanpa telemetri, tanpa klaim pelatihan, tanpa pertanyaan yurisdiksi. Sakana Namazu, sebaliknya, menggunakan masukan Anda untuk pelatihan secara bawaan (opt-out tersedia di konsol), tidak menjamin pemrosesan khusus Jepang, dan tidak tersedia sama sekali di UE/EEA, Inggris, atau Swiss. Bagi bisnis Jepang yang menangani PII pelanggan, "modelnya berada di laptop kami" adalah cerita kepatuhan yang belum bisa ditandingi API terhosting mana pun. Bagi bisnis yang tidak dapat menjalankan atau memelihara inferensinya sendiri, justru sebaliknya: API terhosting dengan perangkat bawaan adalah satu-satunya pilihan yang realistis.

Pertanyaan langit-langit

Penyeimbang yang jujur terhadap keunggulan kepemilikan Gemma 4 12B adalah kemampuan. Model 12B adalah pekerja junior yang tekun: 72.0 di LiveCodeBench v6, plafon rendah di Humanity's Last Exam, dan masalah keandalan OCR dokumen pada tata letak padat. Ia adalah kuda pekerja, bukan otak. Sakana Namazu mewarisi fondasi penalaran Kimi K2.6, basis kelas frontier dengan parameter 1T yang Artificial Analysis peringkatkan di puncak bidang open-weight — dengan kualifikasi bahwa delta pasca-pelatihan Namazu sendiri sepenuhnya dilaporkan vendor. Jika tugas Anda adalah penalaran sulit atau agen horison panjang, model 12B adalah kendala; jika tugas Anda bervolume tinggi dan berlingkup jelas, itu adalah tawaran menarik.

Panggilan

Pilih Gemma 4 12B ketika kondisi batas lebih penting daripada kemampuan puncak: data yang tidak boleh meninggalkan jaringan Anda, batas anggaran nol, operasi offline, atau beban kerja multimodal yang membutuhkan audio. Pilih Sakana Namazu ketika pekerjaannya secara khusus adalah bahasa bisnis Jepang, atau ketika Anda membutuhkan perilaku agenik dengan alat bawaan dan tidak dapat mengoperasikan tumpukan inferensi sendiri. Perhatikan bahwa keduanya bukanlah keputusan satu tombol: Gemma 4 12B adalah bobot terbuka yang Anda layani sendiri, Sakana Namazu berjalan di konsol Sakana sendiri — jadi tumpukan yang menginginkan keduanya sudah menjadi tumpukan multi-model, dan di sinilah router yang menangani 200+ model di belakang satu endpoint yang kompatibel dengan OpenAI serta beralih otomatis saat terjadi kegagalan berhenti menjadi sesuatu yang opsional dan mulai menjadi arsitektur.