AstaBrief 8B 対 Gemma 4 12B：何でもこなす汎用型に挑む専門ライター

AstaBrief 8BとGemma 4 12Bは同じサイズクラスで同じライセンスであり、それ以降は異なる問いへの答えである。AstaBrief 8BはAi2の8Bオープンウェイトモデルで、2026年10月2日にリリースされ、Qwen3-8Bからファインチューニングされたもので、一つのことだけを行う。研究上の問いと取得した文献の抜粋を、引用付きのレポートに、1回のパスで、エンドツーエンドで約51秒で変換する。Gemma 4 12BはDeepMindの11.95B統合マルチモーダルモデルで、Apache-2.0の汎用モデルであり、テキスト、画像、音声、動画をネイティブに扱い、256,000トークンのコンテキストを処理する。一方は、置き換えた汎用パイプラインより速く単一の作業をこなすメスであり、もう一方は、デバイス上のツールボックス全体である。

専門家モデルのほうがその仕事に優れていると宣言して先に進みたくなるのが誘惑だ。より有用な問いは、1台のコンシューマー向けGPUにデプロイする場合、狭域モデルの優位性が、1つではなく2つのスタックを動かすことを正当化するほど大きいかどうかであり、その答えは、どちらのラボも独立に検証させたことのない数値にかかっている。

本当に重なっている部分

どちらも1枚のカードに収まる高密度なオープンウェイトモデルで、どちらもApache-2.0であり、APIの背後ではなくダウンロードして利用できる。これだけは確かな共通点であり、この比較をわざわざ行う価値がある理由でもある。

それを除けば、差異は全面的であり、大半は2つの行が担っている。

• パラメータ — AstaBrief 8B：約8Bのdense、シングルGPUクラスのBF16重み。Gemma 4 12B：11.95Bのdense、エンコーダフリーの統合アーキテクチャ。

• 対応モダリティ — AstaBrief 8B: テキストのみで、具体的には質問と抜粋。Gemma 4 12B: テキスト、画像、音声、動画に対応し、音声と視覚は、別個のエンコーダーではなく、軽量な線形層を通じてデコーダーの埋め込み空間に直接投影される。

• 出力モダリティ — 両方: テキスト。AstaBrief 8B は引用付きレポートを出力し、Gemma 4 12B は指定した任意の形式でプレーンテキストを出力します。

• コンテキスト — AstaBrief 8B：ベースモデルの40,960トークンの位置上限、32Kで学習。Gemma 4 12B：256,000トークンで、局所スライディングウィンドウアテンション（1024トークンウィンドウ）とグローバルアテンションを交互に織り交ぜるハイブリッドアテンション方式を採用し、長コンテキストのメモリを抑えるためにグローバル層に比例RoPEを適用。

• トレーニング — AstaBrief 8B: 47K件のレポート例で教師ありファインチューニングを行い、続いて約6KのDPOペアを、8台のH100上で実施。Gemma 4 12B: Google DeepMindによる汎用の事前学習と指示チューニングで、技術レポートに記載されています。

• 役割 — AstaBrief 8B：引用付きレポート生成という単一タスク。Gemma 4 12B：推論、コーディング、エージェント型ワークフロー、140以上の言語にわたる多言語チャット。

• 独立系スコア — AstaBrief 8Bについては、Ai2自身の表以外には存在しない。Gemma 4 12Bは、Artificial Analysisを含む公開リーダーボードに掲載されており、Artificial Analysisではそのリリースファミリーがスコア化されている。これらは第三者による数値であり、本記事内でベンダーから提供されていない唯一の数値である。

コンテキスト行は、スペックシートの項目ではなく、構造上の違いとして読むべきだ。AstaBrief 8B の 40K という上限は、Ai2 が回避しようとしている制約ではない。それは設計の帰結である。このモデルはコーパスを決して保持せず、誰かが選び、サイズを調整した抜粋だけを保持する。Gemma 4 12B の 256K ウィンドウは、同じタスクに検索レイヤーを一切使わずに取り組めることを意味する——大量の資料を貼り付けて尋ねるだけでよい——これは同じ結果を得るための真に異なるアーキテクチャであり、2 つのシステムを 1 つにまとめるものだ。

専門家がどこで勝ち、その差はどれほどか

Ai2のAstaBriefに対する論拠は時計であり、それは良いものだ。そのClaude搭載のThinkingパイプラインはレポート1件あたり平均178.5秒だった。AstaBriefがレポート全体を1回のパスで書く場合は平均51.1秒で、約3.5倍高速であり、Ai2はこの簡略化が追跡対象の指標における品質を犠牲にしなかったと主張している。

ここで重要な企業はClaudeではない。重要なのは多段階の足場そのもの——スニペット要約、テーマ別クラスタリング、セクションごとの執筆——であり、AstaBriefはそれらをすべて削除する。そしてその足場は、構造化された引用付きレポートを引き出したいのであれば、Gemma 4 12Bを含むどんな汎用モデルの上であれ、本来なら自分で構築しなければならないのと同じ作業だ。汎用モデルに「引用付きレポート」と頼めば、それらしいものは作ってくれる。しかし、固定スキーマに沿って、引用キーがソース一覧と一致するレポートを作らせるとなると、それは自分で所有し維持しなければならないプロンプトエンジニアリングだ。

品質に関する主張は、あなたがペースを落とさなければならないところです。

• SQABench-CS2 平均、テスト分割（ベンダー報告） — AstaBrief 8B 87.0、そのSFTチェックポイント 83.7、ベースQwen3-8B 77.3。ユーザー作成のコンピュータサイエンス問題100問。

• DeepScholarBench（ベンダー報告値） — AstaBrief 8B は 53.50 で、Ai2 自身の Asta ScholarQA の 60.25 と DR-Tulu-8B の 56.26 に後れを取っている。

• Ai2のClaude搭載パイプラインとのペアワイズ比較（ベンダー報告）— dev分割で55%、テストで72%の勝率。

• 人間による研究（ベンダー報告）— 3名の研究者による14の質問。総合的にはDR-Tuluが好まれ、3名中2名がAstaBriefの引用精度を挙げた。

Gemma 4 12BにはSQABench-CS2上で、どちらの方向にも相当するスコアが存在しない。この不在こそが、この比較の誠実な中心である。Gemma 4 12Bのレポート品質をAstaBrief 8Bのそれと比べて数値化することはできない。なぜなら、誰もこの汎用モデルをAi2のハーネスで走らせていないし、走らせたふりをする者もいないからだ。「専門特化モデルのほうが26ポイント優れている」と言う人は、ベンダーの数値と何もないものを比べているだけだ。

ジェネラリストが完全に勝利する場面

Gemma 4 12Bの利点はわずかなものではなく、過小評価されがちだ。

第一は幅広さです。AstaBrief 8B は、証拠を渡されることを前提とするコンポーネントです。Gemma 4 12B はスクリーンショットを読み、音声を聴き、動画を視聴し、コードを書き、256K の会話を保持します。あなたの業務が論文の図表、録画された講演、またはマルチモーダルな原資料を扱うものであるなら、その専門特化モデルはまったく関与できず、その問いには決着がつきます。

第二に、広く公開されていること自体が証拠の一形態だということだ。Gemma 4 12Bはサードパーティのリーダーボードに掲載されており、ファミリーはE2Bから31Bまでの5つのサイズにまたがり、指示チューニング済みと事前学習済みの両バリアントが技術レポートとともに公開されている。それは普通で退屈な、検証可能な来歴であり、まさにそれが、AstaBrief 8Bと、より広範な専門研究モデル群の両方に欠けているものだ。

第三は、第二のスタックに伴う実用上のコストだ。レポート作成のためにAstaBrief 8Bを動かし、それ以外のすべてを汎用モデルに任せるということは、常駐するモデルが2つ、プロンプト形式が2つ、評価ハーネスが2つ、アップグレード経路が2つになることを意味する。単一の24GBカード上、BF16でとなれば、これは決してコストのかからない話だ——しかもAstaBriefのカードは、特定の1つのプロンプト形式に対してファインチューニングされており、それがデータセットファイルとして公開されていること、そして別の形式を使うと挙動が劣化しうることを警告している。汎用モデルには、そのようなロックインはない。

• Gemma 4 12B（ベンダー報告）— Reasoning構成におけるインテリジェンス指数は9。Ai2のレポートベンチマークには、比較可能なGemmaの数値は存在しない。

• Gemma 4ファミリー — E2Bから31Bまでの5サイズ、Apache-2.0、テクニカルレポート公開済み、サードパーティのリーダーボードにも掲載。

• Gemma 4 26B A4Bは当社のカタログで提供中 — 入力トークン100万あたり$0.06、出力100万あたり$0.33、コンテキストウィンドウは262,144トークン。Gemma 4 31Bもルーティングされており、$0.13 / $0.38です。

• Gemma 4 12B、ローカル — 11.95B dense、256Kコンテキスト、ハイブリッドなスライディングウィンドウとグローバルアテンション、1024トークンのローカルウィンドウ。

可用性について言えば、Gemma 4 モデルは商用でホストされています：Gemma 4 26B A4B は当社のカタログで利用可能なルートで、入力トークン100万あたり$0.06、出力トークン100万あたり$0.33、コンテキストウィンドウは262,144トークンで、Gemma 4 31B もルーティングされています。これが重要なのは、GPUを一切所有しなくても汎用モデルを評価できるということだからです。当社のカタログには、当社を含め、AstaBrief 8B を提供しているプロバイダーはありません — これはダウンロードして実行するモデルであり、誠実に使う方法は、自分で管理するハードウェア上か、Ai2自身のAsta製品内で使うことです。

自分で安く比較を実行する

この記事があなたの代わりに下せない判断は、あなたが午後ひとつで下せる判断だ。なぜなら、その実験はコストが非対称だからだ。AstaBrief 8B にはローカルの重みと公開されているプロンプト形式が必要で、Ai2 が文書化している構成、temperature 0.7 と top-p 0.95 で、vLLM を使って単一のカード上に立ち上げられる。汎用側のアームはホスト型の呼び出しでよい。Gemma 4 26B A4B の $0.06 in と $0.33 out / 100万トークンは、較正の基準として本質的に十分近く、2台目の GPU を持っていなくても、自分のハーネスを両方に向けられる。

次に、ベンダーの表が測っていない点を測ってください：あなたの質問で、あなたの抜粋を使って、正しく引用されたレポートがいくつ返ってくるか、そして、汎用モデル側に引用スキーマをつなぐグルーを追加した後、チェーン全体にどれだけ時間がかかるかです。Ai2の3.5倍は、Gemma 4 12BではなくAi2自身のパイプラインを基準に測定されたものであり、その差はあなたのスタックでは違って見えるでしょう。

汎用モデル側を単一のエンドポイントの背後に置いておくことが、これを一度きりのプロジェクトではなく低コストで繰り返せるものにしている。200以上のモデルをカバーする単一のAPI、プロバイダーの定価を0%のマークアップでそのまま反映するため、ベンダーが値下げすれば同じ日のうちに請求に反映される、プロバイダーの品質が低下したときの自動フェイルオーバー、そして複数のモデルを同時に応答させたい場合のルーティングDSLだ。要点はどちらのモデルに対する忠誠ではない。次の四半期にこの比較を再実行するのが設定変更だけで済むようにすること、なぜならこれらのモデルはどちらもいずれ取って代わられるからだ。

実際にどちらをダウンロードすべきか

成果物が引用付きの調査レポートで、それを支える検索レイヤーがあるなら、AstaBrief 8Bを選びましょう。シングルパス設計は真の工学的成果であり、生成時間を3.5倍短縮することがその存在理由であり、Apache-2.0に加えて学習データが公開されていることで監査可能であり、自分でスキャフォールディングを構築・維持しない限り、汎用モデルがその出力構造に匹敵することはありません。

あなたの仕事がレポートにとどまらず、情報源がマルチモーダルで、256Kのコンテキストがあれば検索層をまったく構築せずに済み、あるいは名前に第三者のスコアが付随し、今日すぐに呼び出せるホスト型ルートを備えたモデルが欲しいなら、Gemma 4 12Bを選びましょう。

そして、証拠に見られる正直な非対称性に注意してほしい。なぜなら、それは専門特化型にとって不利に働くからだ。AstaBrief 8Bの数値は、それ自身の最も聞こえのよい数値も含めて、Ai2によるもので、同ラボが再実行していないと述べている2025年の比較セットを記述しており、14問の人間研究を含んでいる。Gemma 4 12Bの数値は、Googleで働いていない人々によるものだ。この出所の違いは、誰も両方のモデルで実行していないベンチマークの数点分よりも価値がある。