Dessa vs Gemma 4 12B: twee laptopmodellen, je kunt er maar één downloaden

De nuttigste vergelijking tussen Dessa en Gemma 4 12B is geen benchmarkscore. Het is een bestand. Gemma 4 12B — het open-weightsmodel van Google DeepMind met 11,95 miljard parameters, gepubliceerd als Gemma 4 12B Unified onder Apache 2.0 op 3 juni 2026 — is een checkpoint die je vanmiddag kunt downloaden, op een laptop met 16 GB kunt draaien en kunt fine-tunen zonder iemand te hoeven vragen. Dessa, dat Block op 23 oktober 2026 aankondigde, is een full-duplex spraakmodel dat volgens de maker draait op een MacBook Pro M4 Max, behalve dat je het niet kunt downloaden, aanroepen of inspecteren. Het staat achter een wachtlijst zonder gewichten, zonder API, zonder prijs en zonder gepubliceerd aantal parameters.

Beide worden als lokale modellen verkocht. Slechts één ervan wordt daadwerkelijk gedistribueerd. Dat onderscheid structureert al het andere: wat je kunt bouwen, wat je kunt meten, en wat 'op een laptop draait' eigenlijk betekent.

Het korte antwoord, en waarom het kort is.

Als je doel is om dit kwartaal iets op te leveren dat tekst, afbeeldingen, audio of video verwerkt, is Gemma 4 12B van de twee de enige die een product is dat je kunt gebruiken. Als je doel is om full-duplex spraak te bestuderen — een model dat luistert terwijl het praat, er tussenkomt en onderbroken wordt zonder de draad kwijt te raken — dan is Dessa het interessantere artefact, en je kunt het nog niet krijgen.

Dat klinkt als een afwijzing. Het lijkt meer op een beschrijving van twee verschillende stadia van volwassenheid. Gemma 4 12B is een afgeronde open release met een licentie, een modelkaart en een benchmarktabel. Dessa is een onderzoekspreview met een demoreel. Ze op mogelijkheden vergelijken is als een uitgeleverde camera vergelijken met een laboratoriumprototype: het prototype heeft misschien de betere sensor, maar slechts één van beide maakt een foto die je kunt bewaren.

Twee betekenissen van "local"

Het lokale verhaal van Gemma 4 12B is concreet. Het is een dense decoder-only-model met een encoderloze geïntegreerde architectuur — 48 lagen, afbeeldingspatches worden rechtstreeks geprojecteerd, audio wordt verwerkt zonder een aparte encoder. Google positioneert het voor ongeveer 16 GB unified memory, en de gewichten staan op Hugging Face in BF16, met GGUF-, MLX- en andere communitybuilds die volgen. Je kunt het offline draaien, in een vliegtuig, zonder account.

Dessa's lokale verhaal is één zin op een pagina: inferentie draait sneller dan realtime op een MacBook Pro M4 Max of beter. Er is geen geheugencijfer, geen kwantisatie, geen bestandsgrootte en geen download. De bewering kan volledig waar zijn. Ze is van buitenaf ook niet falsifieerbaar, omdat "runs locally" in een bericht van een leverancier kan betekenen dat "onze onderzoekers het op een laptop hebben gedemonstreerd" in plaats van "jij draait het op de jouwe." Tot er een gewichtsbestand of een installer is, is de eerlijke lezing de eerste.

Men hoort, men converseert

Het architectonische verschil is scherper dan de parameterkloof. Gemma 4 12B is een multimodale lezer: tekst, afbeeldingen, audio en video gaan erin; tekst komt eruit. De audio-invoer is beperkt tot 30 seconden per clip en de video-invoer tot ongeveer 60 seconden bij één frame per seconde. Binnen die grenzen kan het transcriberen, vertalen, beschrijven, vragen beantwoorden over een opname en gestructureerde gegevens extraheren. Het is, met andere woorden, uitzonderlijk goed in het omzetten van een afgebakend stukje van de wereld in tekst.

Dessa is een conversationele stream: audio erin, audio eruit, zonder enige tekstfase. Er is geen transcript om te inspecteren, geen token-grens en geen aparte synthesestap. De claim van Block is dat dit prosodie, gelach, zuchten en timing behoudt die een spraak-naar-tekst-naar-spraak-pijplijn afvlakt. De demo's laten zien dat het model midden in een zin lacht, volume matcht en de vergeten filmtitel van een spreker afmaakt.

De praktische consequentie is dat de twee modellen op API-niveau niet uitwisselbaar zijn. Je kunt Dessa geen PDF sturen. Je kunt Gemma 4 12B niet vragen om midden in een antwoord onderbroken te worden, omdat het geen audiostream produceert om te onderbreken. Een spraakproduct op basis van Gemma heeft minstens twee extra componenten nodig; een documentproduct op basis van Dessa is helemaal niet mogelijk.

Het specificatieblad, met beide zijden op dezelfde regel

De onderstaande cijfers zijn door leveranciers gerapporteerd, tenzij anders vermeld. Die van Gemma komen uit Google's modelkaart; die van Dessa komen van Block's aankondigingspagina, die veel minder publiceert.

• Parameters — Gemma 4 12B 11.95B dense vs Dessa niet bekendgemaakt.

• Gewichten — Gemma 4 12B Apache 2.0 download vs. Dessa: niets gepubliceerd.

• Context — Gemma 4 12B 262,144 tokens versus Dessa niet vermeld, en geen tokeninterface om het daarmee te vergelijken.

• Invoer — Gemma 4 12B tekst, afbeelding, audio tot 30 seconden, video tot ongeveer 60 seconden vs Dessa, een live audiostream.

• Uitvoer — Gemma 4 12B tekst versus Dessa-audio.

• Interactie — Gemma 4 12B op beurten gebaseerd verzoek en respons versus Dessa full-duplex, met barge-in en backchannel.

• Hardware — Gemma 4 12B ongeveer 16 GB unified memory versus Dessa, een MacBook Pro M4 Max of beter, volgens Block.

• Prijs — Gemma 4 12B gratis te downloaden; gehoste tarieven bij externe providers liggen rond $0,10 input en $0,30 output per miljoen tokens, tegenover Dessa: geen prijs.

• Benchmarks — Gemma 4 12B een gepubliceerde leverancierstabel versus Dessa geen.

• Beschikbaarheid — Gemma 4 12B algemeen beschikbaar sinds juni 2026 versus Dessa-wachtlijst en een kleine preview voor veiligheidsonderzoekers.

Waar Gemma 4 12B standaard wint

Begin met de cijfers die Google heeft gepubliceerd, allemaal door de leverancier opgegeven en hier niet gereproduceerd: MMLU-Pro 77,2, GPQA Diamond 78,8, AIME 2026 77,5 zonder tools, LiveCodeBench v6 72,0, Codeforces Elo 1659, Tau2 69,0, MMMU-Pro 69,1 en HLE 5,2. Het patroon is een model van middelgroot formaat dat sterk is voor zijn klasse op het gebied van redeneren en visie, zwak bij de moeilijkste grensverleggende vragen en vaardig in het gebruik van tools. Een contextvenster van 256K en native function calling maken het een geloofwaardige ruggengraat voor een agent die een lang document leest en vervolgens actie onderneemt.

Artificial Analysis, dat onafhankelijk van Google is, schat de redeneervariant op 14 op zijn Intelligence Index — gemarkeerd als een schatting in plaats van een gemeten run, en ruim boven de mediaan van 8 voor vergelijkbare open modellen. Dat is een nuttige correctie op de leverancierstabel: een middelgroot model, door een derde partij in de middenmoot geplaatst.

De audiocijfers zijn bescheidener en relevanter voor deze vergelijking. CoVoST komt uit op 38,5 en FLEURS op 0,069 (lager is beter), beide door de leverancier opgegeven, waarbij het CoVoST-cijfer Chinees uitsluit. Dat zijn spraakvertaal- en spraakherkenningsmaatstaven, niet conversatiekwaliteit. Gemma kan een clip van 30 seconden horen en je vertellen wat er is gezegd. Het kan geen livegesprek voeren.

De licentie is het onderdeel dat de meeste commerciële vragen beslecht. Apache 2.0 betekent geen omzetdrempel, geen onderhandeling over acceptabel gebruik en geen toestemming van de leverancier voor een fine-tune. Voor een team dat zijn eigen inferentiepad wil bezitten, is dat meer waard dan een betere demo.

Waar Dessa's demo's op wijzen, als ze standhouden

De interessante bewering is niet dat Dessa menselijk klinkt. Het is dat het wegnemen van de tekstbottleneck een categorie van falen wegneemt. Een pipeline die eerst transcriberet, moet beslissen wanneer je klaar bent met spreken; hij legt zich vast op een transcript voordat hij kan reageren; hij verliest de zucht. Een duplexmodel doet die toezegging nooit. Als Blocks clips representatief zijn, is het resultaat een gesprek dat overlap tolereert — je kunt erdoorheen praten, en het kan door jou heen praten.

Wat ontbreekt, is een manier om te weten of de clips representatief zijn. Block zegt dat niemand het model aanstuurt en dat ondertitels achteraf zijn toegevoegd, wat de grofste vorm van enscenering uitsluit. Het publiceert geen held-outset, geen latentieverdeling, geen herstelpercentage na onderbrekingen en geen verstaanbaarheidsscore onder ruis. The Verge vond dezelfde demo's "een beetje ongemakkelijk en unheimisch," inclusief een clip waarin het model zijn partner "Ronaldo" noemt. Een samengestelde reel kan dat overleven; een product moet dat.

Vandaag een voice-loop rond Gemma bouwen

Als je nu een spraakagent wilt, is de architectuur: spraakherkenning, dan Gemma 4 12B, dan spraaksynthese. Het model verzorgt het begrijpen, redeneren en de tekst van het antwoord; de omringende diensten verzorgen de audio. Het latentiebudget wordt gedomineerd door de twee uiteinden, niet het midden: eindpuntdetectie plus synthese kost meestal meer kloktijd dan de eerste token van het taalmodel.

OrcaRouter is om een andere reden nuttig midden in die lus. Eén API vóór meer dan 200 modellen betekent dat de redeneerstap kan worden vervangen zonder de applicatie te herschrijven, en automatische failover betekent dat een hapering bij een provider de aanroep niet beëindigt. Het model met 0% opslag — de lijstprijs van de provider wordt doorgegeven — is van belang wanneer een leverancier een prijs verlaagt, omdat de verlaging dezelfde dag aan onze kant live staat. Eén eerlijke kanttekening: wij routeren Gemma 4 26B A4B en Gemma 4 31B, niet de 12B, dat een download-en-host-model is. Als je de 12B achter een API wilt, is dat een beslissing over hosting bij een derde partij, niet de onze.

Kiezen op basis van beperking

• Je moet nu tekst- of multimodale output leveren — Gemma 4 12B, zonder een serieus alternatief in deze combinatie.

• Je hebt offline-inferentie nodig op hardware die je zelf beheert — Gemma 4 12B, omdat de gewichten bestaan.

• Je hebt een document, een afbeelding of een opname van 30 seconden nodig die begrepen moet worden — Gemma 4 12B.

• Je hebt een live stem nodig die onderbroken kan worden — Dessa is de enige van de twee die daarop gericht is, en die is niet beschikbaar.

• Je hebt emotionele expressiviteit nodig in de output-audio — Dessa's demo's zijn het bewijs, en ze zijn door de leverancier geselecteerd.

• Je hebt een licentie nodig die je door het inkoopproces kunt krijgen — de Apache 2.0 van Gemma 4 12B is de enige licentie die er ligt.

Wat zou dit een echte vergelijking maken?

Drie dingen zouden het antwoord veranderen. Een Dessa API, zodat de twee op dezelfde gesprekken gemeten konden worden. Een gepubliceerd aantal parameters en een latentiecijfer, zodat de laptopbewering gereproduceerd kon worden. Of een open-weight spraaknative model van iemand anders, waardoor "Dessa vs Gemma" een vergelijking van architecturen zou worden in plaats van een vergelijking van beschikbaarheid.

Tot die tijd is de eerlijke samenvatting dat Gemma 4 12B een capabel lokaal multimodaal model is met een tekstbottleneck die het niet kan wegnemen, en dat Dessa een veelbelovende poging is om die bottleneck weg te nemen, zonder publieke manier om het resultaat te controleren. De eerste is een hulpmiddel. De tweede is een hypothese met een uitstekende productiekwaliteit.