Glimpse vs Gemma 4 12B：ダウンロードに対する巻き戻しメカニズム

この2つが互いに比較されるのは、主にどちらもビジョンモデルと説明されているからだが、その説明はほとんど何の役にも立っていない。Glimpseは、2026年10月16日にElorianが公開したホスト型の研究プレビューであり、その決定的な挙動は「戻ってもう一度見る」ことにある——クリップの一部をより高密度なフレームレートで再スキャンし、ある領域にズームインし、あるいは1つの特徴を時間方向に追跡する——そしてベンダーのAPIとチャットインターフェースを通じてしか利用できない。G​emma 4 12Bは、G​oogle DeepMindによるデンスな119億5000万パラメータのオープンウェイトのチェックポイントで、2026年6月3日にApache 2.0の下でリリースされたもので、自分でダウンロードして自分のハードウェア上で実行する。そして同じ問いに対して逆の答えを出す。つまり、固定された成果物であり、フレームサンプリングのスケジュールも固定されており、どれだけ見つめても巻き戻ることはない。

だから、正直な捉え方は「どちらが視覚により優れているか」ではない。このうち一方は借りる能力であり、もう一方は自分が所有するファイルであり、どちらを選ぶかは、ベンチマークの行とは何の関係もない事実によって決まる、ということだ。

実際にそれを決定づける区別

まず、それぞれが物理的に何であるかから始めよう。Gemma 4 12Bは重みの集合だ。Hugging Face上のインストラクションチューニング済みチェックポイントは、bfloat16の単一の23.92 GB safetensorsファイルだ。Google自身の量子化認識トレーニング済みビルドは、重みが約6.98 GB、加えて0.18 GBのマルチモーダル投影ファイルという構成で、コミュニティ版のQ4_K_Mビルドは7.1 GB近くに落ち着く。それを手元に置き、ファインチューニングし、さらに量子化し、製品に組み込んで出荷し、ネットワークも使用量メーターもなしで実行できる。それがこの提案のすべてだ。

Glimpseは正反対の形をした存在だ。重みはない。パラメータ数も、ダウンロード可能な成果物も、Elorianが名前を明かさない「オープンウェイトのベースモデル」でポストトレーニングされたという記述以外に公開されたアーキテクチャもない。存在するのは、API、無料登録付きのplatform.elorian.aiのチャットインターフェース、そして公表された挙動だ。モデルの視覚的スクラッチスペースであり、そこでは思考が展開するにつれて内部の視覚表現を再訪し洗練させる。

その非対称性は最初に織り込むべき点であり、それは諸刃の剣だ。ダウンロード可能なチェックポイントは、あなたの足元で非推奨にされることも、バージョン文字列の背後で挙動が変わることも、誰かの us-east-1 が不機嫌なせいで午前3時に障害になることもない。巻き戻し機構を備えたホスト型プレビューは、エアギャップされたマシンでは実行できず、そして——G​emma 4 12B の比較で最も重要な点だが——16 GB のメモリに収めることはできない。なぜなら、収めるべきものが何もないからだ。

巻き戻しがもたらすもの――ベンダー自身の数字で見る

Elorianの実例は、Glimpseについて公表されている中で最も具体的なものであり、スコアとしてではなく記述として読む価値がある。あるトレースでは、モデルはまずおよそ毎秒8フレームで最初のパスを行い、暫定的な読み取りを形成した後、見ているものがパンなのかカットなのかを判断するために、約14 fpsで0.9秒のウィンドウを再スキャンする。別のトレースでは、クリップの約2.2秒の時点から、5.13秒で動きがほぼ停止するまで、単一のウィンドウ端を追跡する。

Gemma 4 12B に相当するものはありません。動画を、あなたが選んだスケジュールでフレーム列として処理し、一度フレームが選ばれてしまえば、それらの間にあったものは失われます。それは欠陥ではありません——公開された推論経路を備えたオープンウェイトのチェックポイントがすべきことです——しかし、それはまさに巻き戻しが答えるために存在する種類の問いです。

G​emma 4 12B が優位に立つのは、あなたがモデルで行うあらゆる作業においてです。G​oogle 自身のカードでは、ファミリー全体を網羅しており、独立に再現されたものではなくベンダー報告によるものですが、12B は MMLU Pro で 77.2%、GPQA Diamond で 78.8%、ツールなしの AIME 2026 で 77.5%、LiveCodeBench v6 で 72.0%、Codeforces ELO は 1659、MMMU Pro で 69.1%、8 本のニードルを用いた 128K の MRCR v2 で 43.4% を記録しています。Glimpse はそのファミリーについて何も公表していません — 推論ベンチマークも、コーディングベンチマークも、知識ベンチマークも。比較は接戦ではありません。なぜなら、その比較は一度も実行されていないからです。

スコアカード、そしてどの空欄が意図的なのか

公開された2つのエビデンスセットに重なりはない。Glimpseの表はGPT-6 Astraに対するもので、ベンダー報告であり、独立した再現はない。G​oogleの表にも同じことが当てはまる。それでも両者を並べて読むのは有用だ。各社が何を測定対象に選んだかが分かるからである。

• WGO Bench（操作イベント）— Glimpse 42.70 対 Astra 39.42。Gemma 4 12B：未報告。

• CharXiv-R — Glimpse 92.90 対 92.10。Gemma 4 12B：未報告。

• UGC-VideoCap — Glimpse 82.66 対 80.32。Gemma 4 12B：未報告。

• FSC-147 — Glimpse 83.36 対 82.02。Gemma 4 12B：未報告。

• Video-MME v2 — Glimpse 56.68 対 Astra 64.06、GPT-6.1 Sol 65.27。Gemma 4 12B：未報告。

• 人類の第六感 — Glimpse 46.36 対 Astra 53.6。G​emma 4 12B：未報告。

• MMLU Pro — G​emma 4 12B 77.2%。Glimpse: 未報告。

• LiveCodeBench v6 — G​emma 4 12B は 72.0%。Glimpse は未報告。

• 独立した評価 — Artificial AnalysisはG​emma 4 12BをIntelligence Index 14と評価しており、比較クラス内の141モデル中20位、測定された出力速度は毎秒110.9トークンです。Glimpseにはいかなる種類の独立したスコアもありません。公開からまだ1日しか経っていません。

Glimpse の表には、読者が飛ばすべきでない脚注も付いている。それらの結果は、モデル本来のエージェントハーネスを使った最高の思考エフォートで得られたもので、ほとんどの動画評価では Sol と Opus 5.5 は最大ではなく高エフォートで実行されており、HSS 行には他ラボが論文で報告した数値も混ざっている。同じ規律は反対側にも当てはまる——Google のモデルカードに載っている数値は、サードパーティのハーネスを一切関与させずに、指示チューニング済みチェックポイント向けに公表されている。

それぞれの費用と、その単位

ここが形が最も大きく食い違うところです。単位が変換されないからです。

Glimpseはトークン単位の価格設定で、入力100万トークンあたり$0.60、出力100万トークンあたり$3.00。Elorianは比較そのものを示している——$10/$50のGPT-6 Astraより94%低く、$4/$20のClaude Opus 5.5より85%低く、$2/$10のGPT-6.1 Solより70%低く、$0.75/$3.75の導入価格であるGemini 3.8 Flashより20%低い——そしてタスク単位の数値を1つ挙げている。ロボット計画のエピソードはGlimpseで$0.035、Astraでは$0.249だ。これらはすべて、ベンダー自身のモデルに関するベンダー自身の数値である。

G​emma 4 12B にはベンダー価格がありません。というのも、ベンダーサービスが存在しないからです。これについて存在する唯一のトークンあたりの数値は、Artificial Analysis の混合レートである入力100万トークンあたり $0.10、出力100万トークンあたり $0.30 であり、これはオープンウェイトを提供するサードパーティプラットフォーム全体の中央値であって、定価ではありません。G​oogle は何も公表していません。セルフホストする場合、実際に気にする数値は料金表なんかではありません。それは7 GBのダウンロード、GPU時間、そして電気代です。

それ以外のすべてはそこから導かれる。Glimpse の呼び出しには、量に比例して増える限界費用と、ゼロの固定費がある。Gemma 4 12B のデプロイには、ほぼゼロの限界費用と、マシン1台分という固定費がある。損益分岐点は量の問題であり、それをあなたに公表してくれるベンダーは存在しない。

このペアが当社自身のカタログでどこに位置づけられているか

どちらのモデルも OrcaRouter が提供しているモデルではありません。読者にそうではないと推測させるのではなく、率直に言っておく価値があります。Glimpse は Elorian 独自の API とチャットインターフェースから利用できます。G​emma 4 12B はダウンロードでき、そのホスト型ルートはオープンウェイトを動かしているサードパーティのプラットフォームです。私たちがルーティングしている G​emma 4 のサイズは G​emma 4 26B A4B と G​emma 4 31B — 同じファミリーの中でもより大きく、より高性能なモデルです — そして、あなたの本当の疑問が「どの G​emma 4 のサイズを呼び出すべきか」であるなら、それら2つについての私たちのモデルページのほうが、このページよりも速く答えてくれるでしょう。

この比較においてルーティングレイヤーがその存在価値を発揮するのは、中間のケースです。すでにセルフホストしているGemma 4サイズのモデルを動かし続けたいチームが、昨日出荷されたばかりのモデルに本番経路を賭けることなく、実績のないプレビューをその並びで試したい場合です。両方を1つのエンドポイントの背後に置くことは、プレビューが前面に立つのではなく自動フェイルオーバーの背後に位置することを意味し、変動する料金表——リサーチプレビューの料金表はまさにそうなります——は、次の契約更新時ではなく当日に当社側で反映されます。これは当社がどのように運用しているかについての説明であり、これら2つのいずれかをホストするという主張ではありません。

選択すること、それらが代替品ではないという前提の下で

あなたの仕事が時間軸に関わるもので、その失敗モードが「モデルは見たが、十分に注意して見なかった」——カットをまたいだオブジェクトの同一性、1秒未満のウィンドウ内で起きるイベント、何かが遮蔽したときに変わるカウント——であるなら、Glimpse は、明言されたメカニズムがそこを直接対象にしている最初のホスト型モデルであり、無料のサインアップによって試すコストは安い。自分のクリップをそれに通して実行してみてほしい。その後、スクラッチスペースを確認しよう。もしモデルが重要なあの区間を一度も再スキャンしていなかったなら、あなたはモデルについてだけでなく、自分のパイプラインについても何かを学んだことになる。

あなたの仕事が、自分で管理するハードウェア上で有能なマルチモーダルモデルを動かすことだとしたら——Google 自身の主張によればメモリ 16 GB のラップトップ、または未量子化ビルド向けの 24 GB カード——Gemma 4 12B は、成熟した、ライセンス済みの、ベンチマーク可能な答えであり、登場からわずか 1 日のプレビュー版にはない、4 か月分のコミュニティによる量子化とツール群という裏付けがある。その成熟度は小さなことではない。四半期単位で計画できるモデルと、1 週間単位でしか計画できないモデルとの違いなのだ。

罠は、Glimpseの表が4行でAstraを上回っているからといってGlimpseを選び、その後、その仕事に必要だったのは再スキャンではなく推論だったと気づくことにある。そのモデル自身のHSS値が、その解釈に反する証拠だ——Elorian自身がScale AIとともに作ったベンチマークで、46.36対Astraの53.6。自分のモデルが上回れなかった結果を公表することは信頼性のシグナルであり、またリワインドが正確に何を修正しないのかを教えてくれる。

そうした話は決して仮定ではない。このようなリリースの背景にある、記録に残されたAIの障害やエージェントのインシデントはOrcaRouter AIインシデントアーカイブに集められており、各項目には独自の情報源、深刻度、信頼度グレード、係争中フラグが付されています。