NVIDIA Nemotron Labs Dory 1.0 4B 対 Gemma 4 12B：パラメータ数は3倍、だが同じ仕事ではない

NVIDIA Nemotron Labs Dory 1.0 4B と Gemma 4 12B の比較を読む明白なやり方は、サイズ対決として見ることだ — 4B 対 12B、小型 対 中型 — だが、その枠組みはこの比較を台無しにする。なぜなら、この2つのモデルは同じ入力を受け付けるわけでも、同じライセンス上の立場を取るわけでも、同じように速くなるわけでもないからだ。Dory はテキスト専用、英語専用のループ型ネットワークで、その決定的な特徴は、1回のダウンロードで複数の計算予算に対応できることにある。Gemma 4 12B はマルチモーダルな any-to-any モデルで、テキスト、画像、音声を単一のエンコーダ不要スタックを通して受け取り、テキストを返す。パラメータ数の差は事実だが、それは両者の間で最も情報量の少ない違いにすぎない。以下では、まだ誰も実験を行っていない部分も含め、実際に両者を分けているものを見ていく。

それぞれが何であるかを一度に

NVIDIA Nemotron Labs Dory 1.0 4B は、NVIDIA がトレーニングし、Hugging Face に OpenMDW 1.1 ライセンスの下で4つの量子化 — BF16、MXFP8、NVFP4、Q5_K_M GGUF — で公開した 4B の Dense モデルです。そのカードにはビルド「GA (10/16/2026)」と記されています。テキスト入力とテキスト出力を扱い、英語のみ、最大 256K トークンのコンテキストに対応します。重要なのはアーキテクチャです。8層の入力ブロックと8層の出力ブロックの間に、20層の再帰ブロックが可変回数適用されるため、ループ回数はトレーニング時の決定ではなく、サービング時の調整ノブになります。NVIDIA はデフォルトとして2ループ、エージェント精度がより重要となる場合は4ループを推奨しています。このリリースについて何も発表されておらず、リポジトリは一夜にして公開され、ベンダーは付随する投稿を一切公開していません。

G​emma 4 12Bは、G​oogle DeepMindの11.95Bの密なマルチモーダルモデルで、Apache 2.0、256Kコンテキスト、ハイブリッドアテンションと1024トークンのスライディングウィンドウを備えた48層、そして262Kの語彙を持つ。エンコーダーフリーと説明されている：画像パッチと音声波形は、別々の視覚および音声エンコーダーを経由するのではなく、言語モデルの埋め込み空間に直接投影される。テキスト、画像、音声を入力し、テキストを出力する。動画はサンプリングされたフレームとして扱われ、モデルカードでは音声が約30秒、動画が約60秒、およそ毎秒1フレームに上限が設けられている。設定可能な思考モードとネイティブのシステムロールをサポートしており、2026年半ばから公開され、広くダウンロードされている。

数字が1つでも出てくる前に、明確にしておく価値のあることが1つある。Doryは4つのバリアントで提供されており、リポジトリIDが最も頻繁に引用されるのはMXFP8ビルドだが、NVIDIAが公開したベンチマークはBF16で測定されたものだ。MXFP8チェックポイントは同じ重みを量子化したものであり、別のモデルではない。

ベンチマークの問題：この2つはこれまで一度も互いに対して実行されたことがない

ここは比較記事がたいていうやむやにしてしまう部分なので、はっきり言っておく価値がある。Dory 1.0 4B と Gemma 4 12B について、共通のハーネスによる結果は存在しない。NVIDIA が Dory 向けに示したベンチマーク表では、Qwen3.5-4B、Qwen3.5-9B、Gemma 4 26B A4B、Qwen3.6-35B-A3B と比較しており、手を伸ばしているのは26Bの Gemma であって、12B ではない。しかも 12B はまったく含まれていない。Google が 12B について公表している数値は、別のハーネスによるもので、比較対象のセットも異なり、数か月前に公開された、異なるタスク構成を扱った文書のものだ。

2枚のカードの数値を並べると、権威づけられたように見えて何の意味も持たない表ができあがる。なぜなら、2つのハーネス間の2ポイント差は、2つのモデル間の2ポイント差ではないからだ。だから正直に言えばこうだ。Dory自身のカードは、4ループでおおよそQwen3.5-9Bクラスのエージェント的挙動を主張する一方、知識重視ベンチマークでは自身の比較対象すべてに後れを取っている。そしてG​emma 4 12Bのカードは、256KウィンドウとG​emma 4ラインナップ全体にわたる指示チューニング済みバリアントを備えたマルチモーダルプロファイルを主張している。どちらの主張も、もう一方のタスクセットと接触して生き残るかどうかは検証されていない。

それらが本当に重なるところ、そしてその重なりが終わるところ

本当の意思決定においては4つの次元が重要であり、それらはそれぞれ異なる方向を指し示している。

• モダリティ — G​emma 4 12B はテキスト、画像、音声を扱える。Dory 1.0 4B はテキストを扱う。これはハーネスが埋められるベンチマークの差ではない。一方のモデルが持っていて、もう一方が持っていない能力の差であり、あなたのワークロードのどこかにスクリーンショットやスキャンしたページ、音声クリップが含まれているなら、その時点で比較は終わりだ。

• 言語 — Doryは英語専用です。Gemma 4の系統は多言語対応で、その12Bカードには非英語の翻訳ベンチマークを含む多言語評価と音声結果が掲載されています。本番環境のどこかで第二言語が必要になれば、Doryは対象外となります。

• コンテキスト — 両方とも256Kを謳っており、スペックが本当に一致するのはこの一点だけだ。Doryのカードには、出荷時の起動コマンドでvLLMにおいて262,144ポジションが検証済みと記載されている。G​emma 4 12Bは、ハイブリッドアテンションスタック内に1024トークンのスライディングウィンドウを備えた256Kを明記している。公開された長文コンテキスト評価はG​emmaについて存在する。Doryについては、唯一の長文コンテキスト行がN​VIDIA自身のもので、修正された回答キーと旧式の判定モデルを用いて測定されており、そのことはカードに開示されている。

• 計算挙動 — これはDoryの非対称的な優位性であり、品質とは何の関係もない。G​emma 4 12Bは従来型の密なモデルだ。深さは固定、トークンあたりのコストは固定で、請求額を変えるにはハードウェアを拡張するかコンテキストを短縮する。Doryの深さは実行時パラメータだ。レイテンシが制約なら1ループで、精度が制約なら4ループで実行でき、2つ目のチェックポイントをダウンロードする必要はない。N​VIDIAはまた、ループ数に関係なくキャッシュフットプリントをほぼ1ループ時のサイズに保つことを目的とした、ラストループKVキャッシュモードを提供している。これが持ちこたえるなら、再帰型アーキテクチャに対する標準的な反論を排除する。これはカード内で最も独立した検証に値する主張だ。

• ライセンス — Dory は OpenMDW 1.1、Gemma 4 12B は Apache 2.0。どちらも商用利用を許可しています。もし法務レビューで Apache 2.0 を最も抵抗の少ない道と見なすなら、Gemma は重みとは何の関係もないアドバンテージを最初から持っていることになります。

実行する場合：一方はルーチンで、もう一方はビルドです

G​emma 4 12Bは標準的なL​lamaファミリー形式のダウンロードです。Transformers形式で、既存のエンジンで動作し、量子化ビルド（QAT GGUFおよびw4a16バリアント）はモデル本体の直後から公開されています。

Dory 1.0 4Bはまだそこまで到達しておらず、カードにもそう明記されている。vLLM対応はオープンなプルリクエスト内で「レビュー中」となっており、マージされるまでは、そのブランチからプリコンパイル済みカーネルフラグ付きでvLLMをインストールし、サービング時にループ数とKVキャッシュのオーバーライドを渡す必要がある。llama.cpp対応は2つ目のオープンなプルリクエストにあり、N​VIDIAは動き続けるHEADではなく特定のコミットを固定している。これは参照セットアップとしては正しい判断だが、それでもソースからビルドする必要がある。Doryのホスト型エンドポイントは、我々が確認できる限り、N​VIDIAからであれ他のどこからであれ存在せず、これを書いている時点では、その4つのリポジトリすべてのダウンロードカウンターはまだゼロだった。対照的に、G​emma 4 12Bは過去1か月で100万回をはるかに超えて取得されており、それを基盤としたファインチューンや量子化のエコシステムが存在する。この成熟度の差は、ほとんどのチームにとって、どちらのカードのベンチマーク差よりも大きい。

ハードウェアの具体的な情報は双方とも乏しい。NVIDIAが公開している唯一のDory速度指標は、DGX Spark上での量子化高速化である — 入出力の組み合わせに応じて、BF16に対するMXFP8では1.69倍と1.84倍、NVFP4では2.17倍と2.44倍 — スループットの数値ではない。Gemma 4 12Bについては、対応する問い、つまり特定のコンテキスト長におけるVRAMは、カードからではなく、1年にわたるコミュニティ測定から答えられる。

ルーターが関わってくる場面では、正直なところ

これらのモデルはどちらも当社が提供しているものではありません。そう言明することは、そうでないかのようにほのめかすよりも有用です。NVIDIA Nemotron Labs Dory 1.0 4B は OrcaRouter のカタログに掲載されておらず、どこにもホストされたエンドポイントがありません。具体的には、Gemma 4 12B もカタログには掲載されていませんが、そのより大規模な兄弟モデルである google/gemma-4-26b-a4b-it と google/gemma-4-31b-it は掲載されています。

そこから残るのは、この判断の実務的な形だ。自分でホストしなければならない4Bと、レンタルできる12Bのどちらを選ぶかという話なら、セルフホスト側にはレンタル側にはないGPU費用と運用負担がのしかかる。それを正直に見積もる唯一の方法は、両方を自分のタスクセットで走らせてみることだ。OrcaRouterが役立つのは、その実験のうちホスト型の半分だ。1つのAPIキーで、当社が実際に提供しているオープンウェイトのGoogleモデルにアクセスでき、プロバイダーの定価のままマークアップ0%なので、比較に2つ目の契約や2つ目のSDKは要らない。自動フェイルオーバーは、ベンチマークの途中で自前のGPUプールが飽和する時間帯をカバーし、ルーティングDSLを使えばセルフホストの呼び出しとホスト型の呼び出しを1つのエンドポイントの背後に並べられるので、側を切り替えるのは書き直しではなく設定変更で済む。とはいえ、どのモデルが勝つかまでは分からない。ただ、確かめないための言い訳は消える。

で、どれ？

あなたのタスクがテキストのみで、英語のみで、長いコンテキストを扱い、特にエージェント的である場合——ツール呼び出し、マルチステップのワークフロー、構造化出力——Dory 1.0 4B はより興味深い賭けであり、そのアーキテクチャが 12B には提供できないものを与えてくれるものです。すなわち、コンピュートダイヤルです。成熟度の差、未マージの2つのプルリクエスト、独立した評価の完全な欠如、そしてそれ自身のカードが GPQA と HLE で全ての比較対象より下に位置づけているという事実を直視したうえで、この賭けに乗りなさい。

タスクが画像、音声、第二言語、あるいは来月中の制作締め切りを伴うものであるなら、答えは{{1}}Gemma 4 12B{{/1}}であり、比較にすらならなかった。これはより大きく、より高価で、より高性能なモデルであり、その背後にはエコシステムがあり、手前にはビルドステップが存在しない。

注目すべきはベンチマークの数値ではない——vLLMとllama.cppのプルリクエストがマージされるかどうかだ。Doryがブランチではなくリリース済みバイナリから読み込めるようになった日、この比較のセルフホスティング側はプロジェクトであることをやめ、設定変更になる。それまでは、正直な評決としては、この2つのモデルのうち一方は製品であり、もう一方は一夜にして現れたリポジトリであり、どちらを求めるかは完全に、あなたがリリースする側かテストする側かによって決まる。

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。