Sakana Namazu vs Gemma 4 12B: Un'API sovrana o pesi di tua proprietà

Sakana Namazu e Gemma 4 12B rispondono alla stessa domanda da estremi opposti: qual è il modo più economico per ottenere un comportamento realmente utile da un modello linguistico giapponese? Sakana Namazu è un'API ospitata — Kimi K2.6 post-addestrato per la cultura aziendale giapponese, $0,95 / $4,00 per milione di token, con ricerca web ed esecuzione di codice integrate. Gemma 4 12B è il modello multimodale open-weight da 12 miliardi di parametri di Google, Apache 2.0, abbastanza piccolo da girare su una macchina da 16 GB e scaricabile gratuitamente. Uno ti chiede di fidarti della console del fornitore; l'altro ti chiede di fidarti del tuo hardware.

Due risposte diverse a "dove gira questo"

Sakana Namazu è un prodotto: ti registri, sostituisci un base_url, e il modello — ottimizzato, servito, attrezzato — è lì. Gemma 4 12B è materia prima: scarichi i pesi e tutto il resto è un problema tuo, dal motore di inferenza (vLLM, llama.cpp, Ollama, MLX, SGLang funzionano tutti) alla GPU. Questa differenza non è una nota a piè di pagina; decide l'intero confronto. Un modello denso da 12B è territorio da laptop — Goog​le ha progettato questo per girare in circa 16 GB di memoria — il che rende Gemma 4 12B l'unico dei due che funziona offline, su una macchina isolata, o su un dispositivo che non telefona mai a casa.

Il contrasto delle specifiche

• Prezzo — Sakana Namazu $0,95 / $4,00 per 1M di token vs Gemma 4 12B $0 da scaricare, ~$0,10 / $0,30 per 1M se noleggi hosting

• Pesi — Namazu chiuso e servito dal fornitore vs Gemma 4 12B aperto (Apache 2.0), auto-ospitabile, ottimizzabile

• Contesto — Namazu non divulgato vs Gemma 4 12B con 256K token (262,144), fino a 262K di output

• Modalità — Namazu testo + immagine vs Gemma 4 12B testo, immagine, audio e video come frame (input audio nativo)

• Giapponese — Namazu ottimizzato per keigo e cultura aziendale vs Gemma 4 12B generalista multilingue

• Verifica — Namazu solo riportato dal fornitore vs Gemma 4 12B misurato in modo indipendente (77.2 MMLU-Pro, 78.8 GPQA Diamond per BenchLM, agosto 2026)

Il keigo non è un benchmark.

Il punto in cui i due modelli divergono davvero è la questione della lingua. Gemma 4 12B è un modello multilingue forte — Google lo ha addestrato su oltre 140 lingue — ma multilingue non significa culturalmente giapponese. La messa a punto di Sakana Namazu riguarda specificamente il registro: gli onorifici che reggono in un'email formale, il gergo di settore reso correttamente e le risposte su storia politicamente sensibile che non portano la cornice di un altro paese (il punteggio interno di Sakana nel FairPoliticsQA salta dal 34.10% al 56.30%). Se il tuo carico di lavoro è testo giapponese rivolto ai clienti, è una differenza di prodotto, non di specifiche. Se il tuo carico di lavoro è generico — riassunti, classificazione, estrazione, trascrizione audio — l'audio nativo e il contesto più ampio di Gemma 4 12B gli danno un'ampiezza che Namazu non rivendica.

Chi vede i dati

Il confronto sulla privacy pende nettamente a favore di Gemma 4 12B. Eseguilo localmente e nulla lascia la macchina — nessuna telemetria, nessuna rivendicazione di addestramento, nessuna questione di giurisdizione. Sakana Namazu, al contrario, utilizza i tuoi input per l'addestramento per impostazione predefinita (con possibilità di opt-out nella console), non garantisce un trattamento limitato al solo Giappone e non è disponibile nell'UE/SEE, nel Regno Unito o in Svizzera. Per un'azienda giapponese che gestisce dati personali dei clienti (PII), "il modello vive sul nostro laptop" è una storia di conformità che nessuna API ospitata può attualmente eguagliare. Per un'azienda che non può eseguire o mantenere la propria inferenza, vale il contrario: un'API ospitata con strumenti integrati è l'unica opzione realistica.

La domanda sul soffitto

Il contrappeso onesto ai vantaggi della proprietà di Gemma 4 12B è la capacità. Un modello 12B ha la diligenza di un junior: 72.0 su LiveCodeBench v6, un tetto basso in Humanity's Last Exam e problemi di affidabilità OCR su layout densi. È un cavallo da lavoro, non un cervello. Sakana Namazu eredita la base di ragionamento di Kimi K2.6, una base di classe frontier da 1T di parametri che Artificial Analysis classifica al vertice del campo open-weight — con la precisazione che i delta post-training di Namazu sono interamente dichiarati dal fornitore. Se i tuoi compiti richiedono ragionamento complesso o agenti a lungo orizzonte, un modello 12B è un vincolo; se i tuoi compiti sono ad alto volume e ben delimitati, è un affare.

La chiamata

Scegli Gemma 4 12B quando le condizioni al contorno contano più delle prestazioni di punta: dati che non devono mai uscire dalla tua rete, un budget minimo di zero, il funzionamento offline, o un carico di lavoro multimodale che richiede audio. Scegli Sakana Namazu quando il lavoro è specificamente il linguaggio commerciale giapponese, o quando hai bisogno di un comportamento agentico con strumenti integrati e non puoi gestire il tuo stack di inferenza. E nota che nessuna delle due è una decisione basata su un unico parametro: Gemma 4 12B ha pesi aperti che servi tu stesso, Sakana Namazu gira sulla console di Sakana — quindi uno stack che vuole entrambe è già uno stack multi-modello, ed è lì che un router che si pone davanti a 200+ modelli dietro un unico endpoint compatibile con OpenAI e fa failover automaticamente smette di essere un plus non essenziale e diventa l'architettura.