HiRO-ACEv2 vs Gemma 4 12B: Il confronto ha senso solo quando smetti di contare i parametri

HiRO-ACEv2 e Gemma 4 12B sono entrambi download Apache 2.0 con un numero nel nome e un report tecnico alle spalle, e la somiglianza finisce più o meno qui. Gemma 4 12B è il modello linguistico multimodale da 11,95 miliardi di parametri di Google — testo, immagini e audio in input, testo in output, una finestra di contesto di 256K token, rilasciato a giugno 2026 e scaricato ben oltre un milione di volte. HiRO-ACEv2 è l'emulatore climatico di seconda generazione di Ai2, caricato su un repository Hugging Face il 12 ottobre 2026 con circa 10,9 GB di checkpoint e dati di forcing, senza annuncio, e un paper apparso il giorno successivo. Uno è un modello di uso generale che interroghi; l'altro è un framework di fisica che installi ed esegui sulla tua macchina.

Inquadrata come un confronto testa a testa sulla qualità, questa sfida è priva di senso, e fingere il contrario sarebbe il modo più facile per fallire in una pagina come questa. Inquadrata invece come una domanda su cosa ti danno davvero i pesi aperti nel 2026, è davvero istruttiva — perché i due rilasci si collocano agli estremi opposti dello spettro di apertura, anche se entrambi portano lo stesso tag di licenza, e le differenze emergono già nella prima ora in cui provi a usarne uno o l'altro.

A cosa serve ciascuno, in una frase per ciascuno

Gemma 4 12B prende un prompt — testo, un'immagine, una clip audio o una loro combinazione — e produce testo. Ha un'architettura senza vision tower e senza encoder che proietta patch di immagini e forme d'onda audio direttamente nello spazio di embedding del modello linguistico tramite layer lineari, 48 layer, un vocabolario da 262K, una finestra scorrevole da 1024 token combinata con attenzione globale e circa 11,95 miliardi di parametri in bf16. È esplicitamente un modello denso, e il rilascio include una tabella completa di benchmark del fornitore.

HiRO-ACEv2 prende uno stato climatico con risoluzione di 100 km e produce campi a 3 km — precipitazione, venti a 10 metri verso est e verso nord, e pressione media al livello del mare, con frequenza di sei ore. È un sistema a due stadi: un emulatore autoregressivo di X-SHIELD con risoluzione ridotta a 100 km, seguito da un modello di diffusione che effettua il downscaling del risultato a 3 km. Restituisce campi su griglia in stile NetCDF, non testo, e non ha alcuna tabella di benchmark.

Questa è l'intera comparazione in termini strutturali. Uno mappa lingua su lingua. L'altro mappa un'atmosfera grossolana su una fine.

L'unica dimensione in cui i due sono onestamente comparabili

I parametri sono l'asse sbagliato, e la lunghezza del contesto è priva di significato per uno di essi. La dimensione che invece si trasferisce è quanta parte della release è completata.

• Framework in grado di caricarlo — Gemma 4 12B gira su Transformers, vLLM, SGLang, llama.cpp, MLX e una lunga coda di build quantizzate della community; HiRO-ACEv2 gira tramite il pacchetto Python fme di Ai2 stesso, con configurazioni che puntano al repository ai2cm/ace e a nient'altro.

• Prezzo di una risposta — Gemma 4 12B viene erogato a circa 0,10 $ per milione di token di input e 0,30 $ per milione di output dai provider che lo offrono; HiRO-ACEv2 non ha un listino prezzi, perché non prevede alcun costo per singola richiesta. Il suo costo è in ore-GPU sul proprio hardware, e secondo quanto afferma l'articolo quelle ore arrivano a costare oltre 300 volte in meno rispetto a un modello numerico globale convenzionale che risolve le tempeste.

• Chi lo ha riprodotto — I numeri di Gemma 4 12B sono dichiarati dal fornitore, ma non lo è la sua diffusione: centinaia di migliaia di download e un ampio corpus di lavoro indipendente di professionisti sono alla base di ogni affermazione sul suo comportamento; i numeri di HiRO-ACEv2 sono quelli degli autori stessi, vecchi di due giorni, e al momento in cui scriviamo il repository ha zero download.

• A cosa si riferisce l'etichetta di licenza — entrambe sono Apache 2.0. La concessione di Gemma 4 12B è la licenza ordinaria; quella di HiRO-ACEv2 viene fornita con le Responsible Use Guidelines di Ai2, che specificano intenti di ricerca e educativi, e con i suoi stessi termini di utilizzo applicabili sovrapposti.

• Output verificabile meccanicamente — una risposta di Gemma 4 12B si controlla leggendola, oppure tramite una suite di test che scrivi tu; un campo HiRO-ACEv2 si verifica rispetto a una distribuzione, ed è per questo che il paper riguarda il 99,9999° percentile anziché un punteggio medio.

La tabella di benchmark è la differenza più evidente.

Google ha pubblicato una tabella completa per Gemma 4 12B Unified. MMLU Pro al 77,2%, AIME 2026 senza strumenti al 77,5%, LiveCodeBench v6 al 72,0%, un ELO Codeforces di 1659, GPQA Diamond al 78,8%, MMMLU all'83,4%, MMMU Pro al 69,1%, MATH-Vision al 79,7%, e un valore di 43,4% a 128k nella prova eight-needle di MRCR v2. Questi sono i numeri del fornitore stesso, non riprodotti dai concorrenti di Google, e vale l'avvertenza standard: un benchmark di una model card è un'affermazione su una configurazione, non una misurazione del modello che eseguirete. Ma ognuna di quelle righe è un numero che una terza parte può tentare di falsificare in un pomeriggio, e diverse di esse misurano capacità che emergono nell'uso ordinario.

La scheda di HiRO-ACEv2 non contiene una tabella di questo tipo. Fa una sola affermazione quantitativa — che il downscaler riproduce le distribuzioni del tasso di precipitazione superficiale, dei venti a 10 metri e della pressione al livello del mare fino al 99,9999° percentile — e poi elenca limitazioni più informative della maggior parte delle tabelle di benchmark. Nove anni di dati di addestramento, dal 2014 al 2022. Output che riproducono X-SHIELD anziché le osservazioni. Nessuna applicabilità al di fuori della fascia 66°S–70°N e nessuna capacità di eseguire oltre 88°S o 88°N. Discontinuità ai confini delle patch in regioni più grandi della patch di addestramento 16×16 a un grado. Una nota che il checkpoint incluso ACE2S-X-SHIELD è testato in modo meno rigoroso rispetto alla precedente linea ACE2-ERA5.

Nessuno dei due atteggiamenti è disonesto. Google vende un modello, quindi pubblicizza i punteggi che il modello ottiene. Ai2 pubblica un artefatto di ricerca, quindi pubblicizza ciò che l'artefatto non riesce a fare. Un lettore che interpreta l'assenza di una tabella di benchmark come prova di un modello debole sta ragionando al contrario — la lettura corretta è che la valutazione di cui questo framework necessita è distribuzionale e nessuna classifica pubblica la esegue.

Dove si incontrano in una pipeline reale

C'è un solo ambito in cui questi due appartengono davvero allo stesso sistema, e non è una rivalità. Un flusso di lavoro di emulazione climatica produce moltissimo testo e codice attorno al modello: script che guidano gli ensemble attraverso decenni di tempo simulato, strumenti che convalidano le forme NetCDF prima che un'esecuzione bruci ore di GPU, aggregazione di statistiche di distribuzione su centinaia di rollout e il normale lavoro di trasformare un articolo in una checklist. Niente di tutto ciò è downscaling, e tutto quanto è lavoro da modello linguistico — il tipo in cui chiamare un modello a ogni richiesta, invece di ospitarne uno, è la scelta predefinita sensata.

Quello è lo strato che OrcaRouter copre. HiRO-ACEv2 non è nel nostro catalogo e non potrebbe esserlo — non esiste un endpoint a consumo di token per un downscaler a diffusione — quindi nulla di quanto segue dovrebbe essere letto come un'affermazione di disponibilità per esso. Allo stesso modo, Gemma 4 12B non è uno dei modelli Gemma che serviamo attualmente; il nostro catalogo include i checkpoint Gemma 4 26B-A4B e 31B, e il percorso di inferenza del 12B proverrebbe da dove lo ospiti tu. Ciò che offriamo è lo strato circostante: una chiave API unica per oltre duecento modelli, il prezzo di listino del fornitore passato così com'è, senza ricarichi aggiunti, e il failover automatico tra fornitori, così una pipeline pluridecennale che chiama anche un modello linguistico non si blocca perché un upstream ha avuto un'ora storta.

Come decidere in meno di un minuto

Chiediti che forma assume la tua risposta. Se l'output è testo, un'estrazione strutturata, una modifica al codice o una didascalia, ti serve Gemma 4 12B — o uno dei suoi fratelli maggiori — e il 12B in particolare è la scelta giusta quando hai bisogno di input multimodale a una dimensione che entra in un singolo acceleratore con spazio per un contesto lungo. Se l'output è un campo grigliato a 3 km che descrive precipitazioni, vento e pressione su decenni di clima simulato, nessun modello linguistico lo produrrà e Gemma 4 è irrilevante per il tuo problema; ti serve HiRO-ACEv2, 10,9 GB di download, un ambiente Python e una GPU.

La trappola in questo particolare confronto è il numero di parametri. Gemma 4 12B ne ha uno; HiRO-ACEv2 non ne pubblica uno, e i 10,9 GB di spazio di archiviazione del repository sono per lo più dati di forcing e condizioni iniziali anziché pesi — i due checkpoint insieme pesano circa 4,3 GiB. Giudicare questi due modelli fianco a fianco in base alle dimensioni, o a un qualsiasi singolo numero, produce una risposta sicura a una domanda che nessuno ha posto.

Confronti come questo sono anche il punto in cui emergono le modalità di fallimento: gli incidenti AI documentati e i fallimenti degli agenti relativi ai modelli di questa classe sono raccolti in l'Archivio degli Incidenti AI di OrcaRouter, dove ogni voce riporta le proprie fonti, il livello di gravità, il grado di affidabilità e l'indicatore di contestazione.