SubQ Snap 1.1 vs Gemma 4 12B: un giudice specialista contro un generalista aperto

Chiedi sia a SubQ Snap 1.1 sia a Gemma 4 12B quali, tra cinquecento ticket di supporto, siano richieste di rimborso, ed entrambi produrranno una risposta utilizzabile. Solo uno dei due ti dirà anche, per ogni ticket, quanto è sicuro — e solo uno dei due può essere scaricato ed eseguito su hardware di tua proprietà. Questo è l'intero confronto, e il motivo per cui non si risolve nella scelta di un vincitore è che i due modelli non appartengono davvero alla stessa categoria di prodotto. Snap 1.1 è un modello decisionale rilasciato da Subquadratic il 22 ottobre 2026: assegna un punteggio a un insieme fisso di opzioni e non genera testo. Gemma 4 12B è il generalista open-weights di Google DeepMind, un modello denso da circa 12 miliardi di parametri sotto Apache 2.0 che legge testo, immagini, audio e video e restituisce prosa.

Trattarli come sostituti e commetterai uno di due errori: pagare tariffe API per un classificatore che potresti eseguire su un laptop, oppure cercare di ottenere un routing strutturato da un modello che non è mai stato addestrato ad astenersi. Trattati come due livelli della stessa pipeline, si combinano ragionevolmente bene.

Che cosa ciascuno è in realtà

Gemma 4 12B è il figlio di mezzo della famiglia Gemma 4, collocandosi tra i modelli on-device E2B ed E4B e le fasce 26B-A4B e 31B. Il suo tratto architetturale più notevole è l'assenza di encoder: le patch delle immagini e le forme d'onda audio vengono proiettate direttamente nel backbone linguistico invece di passare attraverso encoder visivi e audio separati. È disponibile in una configurazione di ragionamento e in una senza ragionamento, è distribuito con licenza Apache 2.0 ed è il tipo di modello che un team sceglie perché può essere messo a punto, quantizzato, integrato e distribuito senza chiedere il permesso a nessuno. I tracker non concordano sulla data esatta di rilascio — Artificial Analysis e BenchLM dicono 3 giugno 2026, llm-stats dice 23 maggio — il che è un piccolo promemoria del fatto che persino i fatti più noiosi sui rilasci aperti vengono raccontati in modo diverso a seconda di chi li conta.

SubQ Snap 1.1 è volutamente più ristretto. Accetta fino a 384K token di testo e immagini più un insieme di risposte definito dall'applicazione — da una a sedici domande, da due a 255 alternative per domanda — e restituisce una selezione con una probabilità. Non c'è output in testo libero da analizzare, nessuno schema JSON da imporre e nessun modo per il modello di rispondere a una domanda che non gli hai offerto. L'argomentazione di Subquadratic è che si tratta di un compito computazionale diverso dalla generazione, e che un'architettura a attenzione sparsa può svolgerlo con compute costante per token invece di pagare l'attenzione quadratica su un documento di 300K token.

Le specifiche, affiancate

• Contesto — SubQ Snap 1.1 accetta 384K token in un'unica passata; Gemma 4 12B accetta 256K (262.144).

• Modalità di input — Snap 1.1 accetta testo e immagini; Gemma 4 12B accetta testo, immagini, audio e video.

• Output — {{1}}Snap 1.1{{/1}} restituisce una scelta o un punteggio dal tuo elenco, con una probabilità; {{2}}Gemma 4 12B{{/2}} genera testo di lunghezza arbitraria.

• Prezzo — Snap 1.1 costa $0,04 per 1M di token di input, con output gratuito; la mediana di Gemma 4 12B tra i fornitori è $0,10 per 1M di input e $0,30 per 1M di output.

• Pesi — Snap 1.1 non ne pubblica nessuno; Gemma 4 12B viene distribuito con pesi Apache 2.0 che puoi scaricare, quantizzare e ospitare autonomamente.

• Calibrazione — Snap 1.1 riporta un errore di calibrazione atteso di 0,014 e un tasso di astensione dell'86% sulle domande a cui non è in grado di rispondere; Gemma 4 12B non pubblica alcun dato di calibrazione comparabile.

• Punto di riferimento benchmark — Snap 1.1 ottiene 65 sull'Artificial Analysis Decision Index v1.0, a pari merito al primo posto; Gemma 4 12B ottiene 14 sull'Artificial Analysis Intelligence Index, un valore stimato per la sua classe dimensionale.

Queste ultime due righe non sono comparabili e non dovrebbero essere affiancate senza un avviso. Il Decision Index misura la qualità delle decisioni in un compito a risposta fissa; l'Intelligence Index misura il ragionamento generale. Un 65 e un 14 rispondono a domande diverse.

Il compito che entrambi possono svolgere, e quanto costa

Prendi una chiamata di routing realistica: un thread di ticket da 8.000 token, cinque code candidate, una risposta. Snap 1.1 addebita $0.04 per milione di token in input e nulla per l'output, quindi la chiamata costa circa $0.00032. Gemma 4 12B, al prezzo mediano dei provider, addebita $0.0008 per gli stessi 8.000 token in input, più l'output — una semplice etichetta vale forse cinque token, ovvero $0.0000015, ma una configurazione di reasoning che ragiona prima di rispondere può facilmente consumare da 200 a 400 token, cioè altri $0.00006-$0.00012.

Alle tariffe API, Snap è quindi due o tre volte più economico per chiamata, e il divario aumenta man mano che il documento si allunga, perché il prezzo di input di Gemma è due volte e mezzo quello di Snap. A 100K token il confronto è $0.004 contro $0.010 prima ancora che Gemma scriva qualcosa.

Ora esegui in self-hosting Gemma 4 12B su una GPU che possiedi già. Il costo marginale per chiamata scende all'elettricità, e il confronto si inverte completamente. Questa è la cosa più importante del confronto: Snap 1.1 è più economico solo se acquisti inferenza al token. Se hai capacità inutilizzata, Gemma è gratuita al margine e Snap non lo sarà mai.

Dove vince Gemma 4 12B

La risposta ovvia è l'apertura, ma la versione utile è più specifica. Apache 2.0 significa che nessun fornitore può deprecare l'endpoint sotto di te, nessun limite di frequenza può rallentare un processo batch alle 2 del mattino e nessun dato lascia la tua rete. Per un flusso di lavoro regolamentato — triage delle richieste, codifica clinica, revisione contrattuale — quest'ultimo punto di solito chiude la discussione prima ancora che si parli di prezzo.

Gemma fa anche cose che Snap strutturalmente non può fare. Scrive il riepilogo di escalation dopo che il router decide di escalare. Legge un modulo scansionato, trascrive la registrazione di una chiamata e risponde a una domanda su entrambi in un'unica passata. Può essere fine-tuned sui tuoi dati etichettati, il che, per un compito di classificazione ristretto, spesso batte il comportamento zero-shot di qualsiasi modello generale. Nei numeri pubblicati dal fornitore stesso, ottiene 77,2 su MMLU-Pro, 78,8 su GPQA e 72,0 su LiveCodeBench v6 — modesti per un modello di frontiera, del tutto rispettabili per qualcosa che sta su un singolo acceleratore.

Le sue debolezze sono altrettanto specifiche: un 5,2 su Humanity's Last Exam senza strumenti, 43,4 su MRCRv2 per il recupero in contesti lunghi e una latenza del primo token di circa 2,4-2,6 secondi alle velocità tipiche dei provider, il che è un po' lento per un hop di routing in un ciclo di agente.

Dove SubQ Snap 1.1 ha la meglio

Tre cose, in ordine di importanza. Primo, l'astensione calibrata. Snap 1.1 riporta un tasso dell'86% di risposte "non lo so" alle domande a cui non sa rispondere correttamente, contro lo 0,7% della sua stessa versione 1.0 sul proxy di onniscienza del fornitore: il miglioramento è il punto saliente di questa versione. Far sì che un LLM generalista si astenga in modo affidabile richiede prompt engineering, un'euristica di confidenza o un secondo modello che valuti il primo, e nessuno di questi approcci è elegante quanto un modello addestrato con l'astensione come obiettivo esplicito.

Secondo, il contesto. 384K in una singola passata rispetto a 256K e — cosa più rilevante — nessuna strategia di chunking da progettare. Un modello generale a 256K può tecnicamente contenere il documento; se riesca a recuperare la frase giusta dal centro è una questione diversa, e il 43,4 di Gemma su MRCRv2 suggerisce che la risposta onesta è «a volte».

Terzo, la forma dell'output. Una probabilità sulle tue cinque code è direttamente utilizzabile come soglia di instradamento. Una frase generata non lo è, e il codice di collegamento che trasforma l'una nell'altra è dove vivono la maggior parte dei bug di classificazione in produzione.

Ciò che Snap non ha è una verifica indipendente della 1.1. Le valutazioni di terze parti esistenti hanno testato il modello in anteprima, e una di esse — uno studio di valutazione della pertinenza dei documenti condotto da 95pctai che confronta Snap con Gemma 4 31B — ha rilevato che Snap è circa due volte più veloce e costa la metà per esecuzione, ma ha mancato 21 risposte che il baseline Gemma ha individuato. L'autore dello studio segnala che sia il giudice sia il baseline erano modelli Google, il che potrebbe favorire Gemma, e che Snap è stato eseguito una sola volta.

Realtà del deployment

Gemma 4 12B non è nel catalogo di OrcaRouter. Offriamo i tier 26B-A4B e 31B della stessa famiglia, mentre il 12B è disponibile tramite i canali ufficiali di Google e diverse piattaforme di terze parti. Anche Snap 1.1 non è nostro: funziona tramite l'API di Subquadratic su console.subq.ai.

La domanda pratica per la maggior parte dei team non è su quale standardizzare, ma se il livello decisionale e il livello di generazione debbano condividere una dipendenza. Falliscono in modi diversi. Un router che va giù ferma la pipeline prima che qualsiasi lavoro inizi; un generatore che va giù la ferma a metà. Tenere i due su fornitori separati — una chiave per oltre 200 modelli di generazione su OrcaRouter con 0% di ricarico rispetto al listino del provider e failover automatico, un unico contratto per il modello decisionale — significa che un pomeriggio storto presso uno dei due fornitori degrada la pipeline invece di fermarla.

Come decidere in un solo passaggio

Se la decisione è un'etichetta su un insieme fisso di opzioni, i documenti sono lunghi e non puoi ospitare i pesi: Snap 1.1, e prevedi in budget la costruzione di un tuo harness di valutazione perché nessuno ne ha pubblicato uno per questa versione.

Se la decisione è un'etichetta ma la stessa chiamata deve anche produrre testo, oppure i dati non possono uscire dalla tua rete, oppure hai capacità GPU inutilizzata: Gemma 4 12B, sottoposto a fine-tuning su qualche migliaio dei tuoi esempi, di solito supera un modello decisionale generico sul tuo compito specifico.

Se non sei davvero sicuro, l'esperimento economico è eseguire entrambi sugli stessi 2.000 casi etichettati e confrontare non l'accuratezza ma il costo degli errori che ciascuno commette. Snap si asterrà più spesso. Gemma risponderà di più e sbaglierà più spesso senza dirlo. Quale delle due cose sia peggiore è una proprietà della tua attività, non di nessuno dei due modelli.