HiRO-ACEv2 vs Gemma 4 12B：パラメータを数えるのをやめて初めて、この比較は意味を持つ

HiRO-ACEv2とGemma 4 12BはどちらもApache 2.0のダウンロードで、名前に数字があり、背後に技術レポートがある。そして類似点はほぼそこで終わる。Gemma 4 12BはGoogleの119億5000万パラメータのマルチモーダル言語モデルだ。テキスト、画像、音声を入力し、テキストを出力する。256Kトークンのコンテキストウィンドウを持ち、2026年6月にリリースされ、100万回をはるかに超えてダウンロードされている。HiRO-ACEv2はAi2の第2世代気候エミュレータで、2026年10月12日にHugging Faceリポジトリへアップロードされた。約10.9GBのチェックポイントと外力データを含み、発表はなく、論文は翌日に公開された。一方は呼び出して使う汎用モデルであり、もう一方は自分のマシンにインストールして実行する物理フレームワークである。

品質をめぐる直接対決として枠づけるなら、この対決は無意味であり、そうでないふりをするのは、この種のページが陥る安易な失敗だろう。2026年にオープンウェイトが実際に何をもたらすかという問いとして枠づけるなら、それは本当に示唆に富む——なぜなら、2つのリリースは同じライセンスタグを掲げているにもかかわらず、オープン度のスペクトルの両端に位置しており、その違いはどちらかを使おうとした最初の1時間で現れるからだ。

それぞれの用途を、それぞれ一文で

Gemma 4 12B はプロンプト（テキスト、画像、音声クリップ、またはその組み合わせ）を受け取り、テキストを生成します。ビジョンタワーを持たず、エンコーダも不要なアーキテクチャを採用しており、画像パッチと音声波形を言語モデルの埋め込み空間に直接射影します。48 層、グローバルアテンションと組み合わせた 1024 トークンのスライディングウィンドウを備え、bf16 で約 119.5 億パラメータです。これは明示的に dense モデルであり、リリースにはベンダーによる完全なベンチマーク表が含まれています。

HiRO-ACEv2は100 km解像度の気候状態を受け取り、3 kmの場——降水量、地上10メートルの東向き風と北向き風、平均海面気圧——を6時間ごとの頻度で生成する。これは2段階のシステムである。100 kmに粗視化されたX-SHIELDの自己回帰エミュレータに続き、その結果を3 kmへダウンスケールする拡散モデルが用いられる。出力はテキストではなくNetCDF形式の格子場であり、ベンチマーク表は一切ない。

構造的な観点で言えば、比較はそれで全部だ。一方は言語を言語へと対応づける。もう一方は粗い大気を細かい大気へと対応づける。

両者を正直に比較できる唯一の側面

パラメータは間違った軸であり、コンテキスト長はそのうちの一方にとって無意味だ。実際に転移する次元は、リリースがどれだけ完成しているかである。

• 読み込み可能なフレームワーク — Gemma 4 12B は Transformers、vLLM、SGLang、llama.cpp、MLX、および多数の量子化されたコミュニティビルドで動作します。HiRO-ACEv2 は Ai2 独自の fme Python パッケージを通じて動作し、設定は ai2cm/ace リポジトリのみを対象としており、他には何も対象としていません。

• 1つの回答の価格 — Gemma 4 12B は、それを提供しているプロバイダーによって、100万入力トークンあたり約0.10ドル、100万出力トークンあたり約0.30ドルで提供されています。HiRO-ACEv2 には料金表がありません。リクエスト単位で課金される要素が何もないからです。そのコストは、自前のハードウェア上でのGPU時間であり、論文が主張するところでは、それらの時間は従来の数値全球ストーム解像モデルよりも300倍超少なくなるということです。

• 誰がそれを再現したか — Gemma 4 12Bの数値はベンダー報告だが、その導入状況はそうではない。何十万ものダウンロードと、独立した実務家による大規模な作業の蓄積が、その挙動に関するあらゆる主張を裏付けている。HiRO-ACEv2の数値は著者自身によるもので、2日前のものであり、本稿執筆時点でリポジトリのダウンロード数はゼロだ。

• ライセンスタグが付随する対象 — どちらも Apache 2.0 です。Gemma 4 12B の許諾は通常のライセンスであり、HiRO-ACEv2 のものには、研究および教育目的を明記した Ai2 の Responsible Use Guidelines が伴い、さらに独自の適用利用条件が上乗せされています。

• 機械的に検証できる出力 — Gemma 4 12B の回答は、それを読むか、自分で書いたテストスイートによって検証される。一方、HiRO-ACEv2 のフィールドは分布に照らして検証される。だからこそこの論文は、平均スコアではなく 99.9999 パーセンタイルについて論じているのだ。

ベンチマーク表が一番目立つ違いだ。

GoogleはGemma 4 12B Unifiedの完全な表を公開した。MMLU Proは77.2%、ツールなしのAIME 2026は77.5%、LiveCodeBench v6は72.0%、Codeforces ELOは1659、GPQA Diamondは78.8%、MMMLUは83.4%、MMMU Proは69.1%、MATH-Visionは79.7%、そして128kでのMRCR v2の8ニードル値は43.4%だった。これらはベンダー自身の数値であり、Googleの競合他社によって再現されたものではなく、標準的な注意書きが当てはまる。モデルカードのベンチマークは、ある構成についての主張であり、あなたが実行するモデルの測定値ではない。しかし、それらの行の一つ一つは、第三者が午後のうちに反証を試みることができる数値であり、そのうちのいくつかは通常の使用で現れる能力を測定している。

HiRO-ACEv2のカードにはそのような表はない。定量的な記述は1つだけ——ダウンスケーラーが地表降水量、10メートル風速、海面気圧の分布を99.9999パーセンタイルまで再現するというもの——で、その後にはほとんどのベンチマーク表よりも情報量の多い制限事項が列挙されている。2014年から2022年までの9年間の訓練データ。観測ではなくX-SHIELDを再現する出力。南緯66度から北緯70度の外側には適用できず、南緯88度または北緯88度を超えて実行する能力もない。16×16の1度訓練パッチより大きな領域におけるパッチ境界の不連続。含まれているACE2S-X-SHIELDチェックポイントは、以前のACE2-ERA5系統よりも厳密なテストが行われていないという注記。

どちらの姿勢も不誠実ではない。Googleはモデルを販売しているので、そのモデルが達成するスコアを宣伝する。Ai2は研究成果物を公開しているので、その成果物ができないことを宣伝する。ベンチマーク表の欠如を弱いモデルの証拠と見なす読者は、推論が逆である — 正しい解釈は、このフレームワークが必要とする評価は分布的であり、それを実行する公開リーダーボードは存在しないということだ。

実際のパイプラインでそれらが出会う場所

この2つが本当に同じシステムに属する場所が1つあり、それは対抗関係ではない。気候エミュレーションのワークフローは、モデルの周囲に大量のテキストとコードを生み出す。数十年分のシミュレーション時間にわたってアンサンブルを動かすスクリプト、実行がGPU時間を無駄に消費する前にNetCDFの形状を検証するツール、数百回のロールアウトにわたる分布統計の集計、そして論文をチェックリストに変える日常的な作業。それらのどれもダウンスケーリングではなく、そのすべてが言語モデルの仕事である——モデルをホストするのではなく、リクエストごとにモデルを呼び出すのが妥当なデフォルトであるような種類の仕事だ。

それがOrcaRouterがカバーするレイヤーです。HiRO-ACEv2は当社のカタログにはなく、存在し得ません——拡散ダウンスケーラー向けのトークン従量制エンドポイントは存在しないため——したがって、ここにある記述は同製品の提供可否を示す主張として読まれるべきではありません。Gemma 4 12Bも同様に、当社が現在提供しているGemmaモデルの一つではありません。当社のカタログにはGemma 4 26B-A4Bおよび31Bチェックポイントが含まれており、12Bの推論パスはあなたがホストする場所から提供されることになります。当社が提供するのはその周辺レイヤーです：200以上のモデルにまたがる1つのAPIキープロバイダーの定価は上乗せなしでそのまま適用され、プロバイダー間の自動フェイルオーバーにより、言語モデルも呼び出す数十年規模のパイプラインが、一つの上流の1時間の不調で停止することはありません。

1分以内に決断する方法

答えがどんな形を取るかを自問してください。出力がテキスト、構造化抽出、コード変更、キャプションなら、必要なのは Gemma 4 12B——あるいはそのより大きな兄弟の一つ——であり、特に 12B は、単一のアクセラレータに収まり、長いコンテキストの余地もあるサイズでマルチモーダル入力が必要なときに正しい選択です。出力が、数十年にわたるシミュレートされた気候における降水、風、気圧を表す 3 km グリッドの場なら、それを生成できる言語モデルはなく、Gemma 4 はあなたの問題とは無関係です。必要なのは HiRO-ACEv2、ダウンロード 10.9 GB、Python 環境、そして GPU です。

この特定の比較における罠は、パラメータ数である。Gemma 4 12Bにはパラメータ数があるが、HiRO-ACEv2はそれを公表しておらず、リポジトリのストレージ10.9 GBは重みではなく主に強制データと初期条件である——2つのチェックポイントを合わせても約4.3 GiBである。これら2つのモデルをサイズで、あるいは単一の数値で並べて判断すると、誰も尋ねていない問いに対して自信に満ちた答えを生み出す。

このような比較は、失敗モードが表面化する場でもあります。このクラスのモデルの背後にある、記録されたAIインシデントやエージェント障害は、OrcaRouter AIインシデントアーカイブ に集められており、各エントリーには独自の情報源、重大度、信頼度グレード、異議ありフラグが付されています。