TwIL-LM3-Pro vs Gemma 4 12B: Dua Model Lokal yang Tidak Punya Kesamaan Apa Pun Kecuali Laptop

Letakkan TwIL-LM3-Pro dan Gemma 4 12B berdampingan dan kemiripannya nyata tetapi dangkal: keduanya adalah checkpoint terbuka yang dapat Anda unduh hari ini, keduanya berjalan di perangkat keras konsumen tanpa akun cloud, dan keduanya akan menjawab pertanyaan secara offline. Segala hal di luar itu berbeda, dan perbedaan paling tajam bersifat legal, bukan teknis. TwIL-LM3-Pro, spesialis logika formal 3,66B milik webAI, dirilis di bawah webAI Non-Commercial License ver. 1.0 — Anda boleh meneliti dengannya dan Anda tidak boleh membangun bisnis di atasnya tanpa perjanjian terpisah. Gemma 4 12B, model multimodal tanpa encoder milik Google DeepMind, dirilis di bawah Apache 2.0. Satu baris itu menentukan lebih banyak penerapan daripada yang akan ditentukan oleh tabel benchmark, jadi ada baiknya memulai dari sana daripada mengakhirinya di sana.

Ini adalah perbandingan antara seorang spesialis dan seorang generalis yang kebetulan merupakan jenis objek yang sama. TwIL-LM3-Pro mengerjakan satu tugas — logika formal — dan melakukannya lebih baik daripada model yang ukurannya beberapa kali lebih besar. Gemma 4 12B mengerjakan banyak tugas, dapat melihat dan mendengar serta membaca, dan sengaja dibangun untuk menjadi model kecil default dalam produk orang lain. Membaca lembar spesifikasi mereka secara berhadapan seolah-olah keduanya bersaing untuk slot yang sama adalah kesalahan yang ingin dicegah oleh halaman ini.

Lisensi adalah spesifikasi pertama

Lisensi TwIL-LM3-Pro mengizinkan reproduksi, penelitian, dan penggunaan pribadi, serta secara eksplisit mensyaratkan perjanjian terpisah dengan webAI untuk penerapan yang menghasilkan pendapatan. Lisensi ini juga membatasi penggunaan nama dagang dan merek webAI tanpa persetujuan tertulis. Bagi penghobi, mahasiswa PhD, atau kelompok riset internal, itu adalah izin yang lengkap. Bagi siapa pun yang merilis produk, ini adalah hambatan mutlak sampai ada perjanjian — dan jalur komersial webAI adalah pengaturan perusahaan, bukan daftar tarif yang dipublikasikan.

Gemma 4 12B adalah Apache 2.0. Anda dapat melakukan fine-tuning pada model ini, mendistribusikan ulang turunannya, menyajikannya kepada pelanggan, dan memasukkannya ke dalam produk komersial, dengan tunduk pada kebijakan penggunaan Google. Itu bukan perbedaan kecil dalam derajat; itu adalah perbedaan antara model yang dapat Anda evaluasi dan model yang dapat Anda bangun di atasnya.

Keduanya adalah unduhan tanpa pembatasan di Hugging Face, jadi lisensi adalah satu-satunya penghalang, dan penghalang itu nyata.

Untuk apa sebenarnya setiap model

TwIL-LM3-Pro merupakan turunan dari `ibm-granite/granite-4.2-3b` melalui alur lima tahap — fine-tuning terawasi LoRA pada korpus logika formal sintetis, distilasi multipath, fusi checkpoint, interpolasi WiSE-FT kembali ke basis pretrained, dan tahap GRPO berbobot entropi terhadap verifier programatik. Keluaran yang ditargetkan berupa objek, bukan prosa: terjemahan logika orde pertama, label entailmen, parse semantik, pernyataan Lean, dan kritik bukti Lean. webAI menyatakan secara gamblang bahwa model ini bukan asisten umum dan tidak membawa penyetelan keamanan atau preferensi melebihi apa yang dimiliki Granite 4.2.

Gemma 4 12B adalah konstruksi yang berlawanan. Ini adalah anggota dense berparameter 11,95B dari keluarga Gemma 4 — 48 lapisan, kosakata 262K, jendela konteks 256K token — dan bersifat multimodal secara native, menangani teks, gambar, dan audio melalui arsitektur tanpa encoder alih-alih menambahkan menara visi dan audio terpisah. Semua model Gemma 4 hadir dengan mode berpikir yang dapat dikonfigurasi, dukungan system prompt native, dan pemanggilan fungsi. Model ini dirancang sebagai andalan penalaran umum dan multimodal pada ukuran yang muat di GPU konsumen.

Meminta TwIL-LM3-Pro mendeskripsikan sebuah foto bukanlah uji yang adil, dan itu bukan uji yang dirancang untuk dijalani oleh model tersebut. Meminta Gemma 4 12B mengeluarkan penguraian semantik dalam skema tetap juga bukan pekerjaan yang untuknya model itu disetel. Irisannya nyata tetapi sempit: keduanya mampu bernalar, dan keduanya dapat berjalan offline.

Dimensi yang benar-benar berbeda

• Parameter — TwIL-LM3-Pro 3,66B dense vs Gemma 4 12B 11,95B dense, faktor sekitar 3,3.

• Context window — TwIL-LM3-Pro 131,072 token, diwarisi tanpa perubahan dari basis Granite-nya; Gemma 4 12B 256.000 token.

• Modalitas — TwIL-LM3-Pro hanya teks; Gemma 4 12B teks, gambar, video, dan audio.

• Lisensi — webAI Non-Commercial License ver. 1.0 vs Apache 2.0.

• Model dasar — `ibm-granite/granite-4.2-3b` vs pra-pelatihan Gemma 4 milik Google sendiri, yang dipublikasikan bersama laporan teknis.

• Format berpikir — TwIL-LM3-Pro mengeluarkan blok `<think>` secara default sebelum menjawab; Gemma 4 menyediakan mode berpikir yang dapat dikonfigurasi di seluruh keluarga.

• Jejak terkuantisasi — TwIL-LM3-Pro Q4_K_M pada 2,09 GiB, berjalan di CPU atau VRAM 4 GB; Gemma 4 12B dalam bf16 kira-kira 24 GiB, dirancang untuk GPU konsumen alih-alih grafis terintegrasi laptop.

Baris terakhir itu adalah yang paling tajam melemahkan kerangka “keduanya berjalan secara lokal”, dan ada baiknya kita tepat soal itu. Klaim lokal TwIL-LM3-Pro adalah klaim laptop. Klaim lokal Gemma 4 12B adalah klaim GPU workstation, dengan model E2B dan E4B Google yang lebih kecil melayani tingkat ponsel-dan-laptop yang sesungguhnya. Dua model yang keduanya disebut lokal bukanlah tolok ukur perangkat keras yang sama.

Di mana posisi bukti tolok ukur

Setiap angka performa untuk TwIL-LM3-Pro berasal dari kartu model webAI sendiri, yang diukur pada harness Track A dan Track B milik perusahaan itu sendiri. Belum ada evaluasi independen. Perbandingan yang disorot oleh kartu tersebut adalah dengan Qwen3-8B, bukan dengan model Gemma mana pun — macro gate webAI sebesar 0.5539 versus 0.5336 milik Qwen3-8B dengan keunggulan yang digambarkan kartu itu berada dalam noise sampling, dan strict-7 sebesar 0.2879 versus 0.2093 yang selisihnya tidak bergantung pada kredit loose-match. Dibandingkan dengan basis Granite 4.2 3B miliknya sendiri, macro gate dalam domain naik dari 0.4313 ke 0.5539 sementara macro 10-dataset held-out tetap stabil pada 0.7901 versus 0.7942.

Gemma 4 12B memiliki laporan teknis yang diterbitkan dan banyak evaluasi pihak ketiga. Ia juga memiliki posisi benchmark yang dilaporkan vendor di dalam keluarganya sendiri — Google menempatkan build 12B Unified di bawah 31B dan 26B A4B pada tabel penalaran dan pengodean miliknya sendiri. Peringkat itu adalah milik Google, dan layak dikutip sebagai demikian.

Pernyataan jujur tentang adu langsung satu lawan satu adalah bahwa adu itu tidak ada. Tidak ada yang menjalankan TwIL-LM3-Pro dan Gemma 4 12B melalui harness yang sama lalu mempublikasikan hasilnya. Keduanya belum pernah dinilai dengan rubrik yang sama oleh siapa pun, karena rubrik yang dipakai untuk menilai keduanya tidak saling tumpang tindih. Akurasi entailment logika formal dan persentase MMLU-Pro bukanlah satuan yang sama.

Ketika masing-masing adalah pilihan yang tepat

Gunakan TwIL-LM3-Pro ketika keluaran yang Anda butuhkan adalah struktur yang dapat diperiksa mesin — label entailment, pernyataan Lean, parse semantik — dan beban kerjanya bersifat batch atau offline, serta lisensinya bukan kendala atas apa yang Anda lakukan dengan hasilnya. Build terkuantisasi 2,09 GiB yang berjalan di CPU tanpa ketergantungan jaringan adalah keunggulan nyata untuk pipeline air-gapped atau proses pelabelan yang harus dijalankan di laptop.

Gunakan Gemma 4 12B ketika Anda membutuhkan model umum yang dapat Anda rilis, ketika inputnya bukan teks, ketika konteksnya panjang, atau ketika Anda perlu melakukan fine-tuning dan mendistribusikannya ulang. Apache 2.0 ditambah multimodalitas native ditambah jendela 256K adalah kombinasi yang tidak ditawarkan oleh spesialis sempit mana pun.

Keduanya juga dapat hidup berdampingan. Pipeline yang menggunakan Gemma 4 12B untuk membaca dan menormalisasi input bermodalitas campuran lalu menyerahkan pernyataan terstruktur kepada spesialis logika formal adalah pembagian kerja yang masuk akal, dan bentuknya sama dengan menggunakan model frontier untuk menyusun draf dan model kecil untuk memverifikasi.

Melayani salah satu dari keduanya dari satu endpoint

Baik TwIL-LM3-Pro maupun build Gemma 4 12B Unified saat ini bukan merupakan rute dalam katalog OrcaRouter, dan hal itu layak disebutkan sebelum rekomendasi, bukan sesudahnya. Yang dirutekan dari keluarga yang sama adalah tier Gemma 4 yang lebih besar — `gemma-4-26b-a4b-it` dan `gemma-4-31b-it` — jadi pola yang umum di sini adalah membuat prototipe prompt dan skema terhadap tier Gemma 4 yang dihosting melalui endpoint yang kompatibel dengan OpenAI pada harga daftar penyedia dengan tambahan markup 0%, lalu memindahkan beban kerja yang sudah mantap ke checkpoint 12B di perangkat keras Anda sendiri. Endpoint yang sama melayani lebih dari 200 model, jadi model frontier yang Anda gunakan untuk menghasilkan data evaluasi dan model kecil yang Anda gunakan untuk memeriksanya hanya terpisah satu kunci dan satu format permintaan, dengan failover otomatis jika penyedia bermasalah di tengah proses.

Itu versi narasi perutean yang lebih lemah daripada biasanya, dan sebaiknya disampaikan seperti itu: kami tidak menghosting model yang Anda bandingkan, jadi saran yang jujur adalah alur kerja, bukan tombol pengalih.

Aturan keputusan

Jika hasil yang harus diserahkan perlu dapat dideploy secara komersial, lisensinya menjawab pertanyaan itu sebelum tolok ukur apa pun, dan ini menunjuk pada Gemma 4 12B. Jika hasil yang harus diserahkan adalah keluaran logika formal yang dihasilkan secara offline dan dikonsumsi secara internal, TwIL-LM3-Pro adalah alat yang lebih kuat dengan ukuran sepertiganya. Jika Anda membutuhkan keduanya, rekayasa yang menarik bukanlah memilih pemenang — melainkan mendefinisikan antarmuka tempat model multimodal umum berhenti dan spesialis logika formal mulai.