HiRO-ACEv2 vs Gemma 4 12B: Porównanie ma sens dopiero wtedy, gdy przestaniesz liczyć parametry

HiRO-ACEv2 i Gemma 4 12B to oba pliki do pobrania na licencji Apache 2.0, mające liczbę w nazwie i stojący za nimi raport techniczny, i na tym podobieństwa niemal się kończą. Gemma 4 12B to multimodalny model językowy Google o 11,95 mld parametrów — na wejściu tekst, obrazy i dźwięk, na wyjściu tekst, okno kontekstowe 256 tys. tokenów, wydany w czerwcu 2026 r. i pobrany znacznie ponad milion razy. HiRO-ACEv2 to emulator klimatu drugiej generacji od Ai2, przesłany do repozytorium Hugging Face 12 października 2026 r. z około 10,9 GB punktów kontrolnych i danych wymuszających, bez zapowiedzi, oraz z artykułem, który ukazał się następnego dnia. Jeden to model ogólnego przeznaczenia, który się wywołuje; drugi to framework fizyczny, który instalujesz i uruchamiasz na własnej maszynie.

Ujęte jako bezpośrednie starcie pod względem jakości, to zestawienie jest bez znaczenia, a udawanie, że jest inaczej, byłoby łatwą porażką strony takiej jak ta. Ujęte jako pytanie o to, co otwarte wagi faktycznie ci dają w 2026 roku, jest naprawdę pouczające — bo oba wydania znajdują się na przeciwnych krańcach spektrum otwartości, mimo że oba noszą ten sam znacznik licencji, a różnice ujawniają się już w pierwszej godzinie próby użycia któregokolwiek z nich.

Do czego służy każdy z nich — po jednym zdaniu dla każdego.

Gemma 4 12B przyjmuje prompt — tekst, obraz, klip audio lub ich kombinację — i generuje tekst. Ma architekturę bez wieży wizyjnej i bez enkodera, która rzutuje fragmenty obrazów i przebiegi audio bezpośrednio do przestrzeni osadzania modelu językowego za pomocą warstw liniowych, 48 warstw, słownik 262 tys. tokenów, okno przesuwne 1024 tokenów połączone z uwagą globalną oraz około 11,95 miliarda parametrów w bf16. Jest wyraźnie modelem gęstym, a wydanie zawiera pełną tabelę benchmarków dostawcy.

HiRO-ACEv2 przyjmuje dane o rozdzielczości 100 km i generuje pola o rozdzielczości 3 km — temperaturę, wiatr wschodni i północny na wysokości 10 metrów oraz średnie ciśnienie na poziomie morza, w odstępach sześciogodzinnych. To system dwuetapowy: autoregresyjny emulator X-SHIELD o rozdzielczości zgrubionej do 100 km, a po nim model dyfuzyjny, który skaluje wynik do 3 km. Zwraca pola siatkowe w stylu NetCDF, a nie tekst, i nie ma żadnych wyników porównawczych.

To całe porównanie w kategoriach strukturalnych. Jedno odwzorowuje język na język. Drugie odwzorowuje zgrubną atmosferę na subtelną.

Jedyny wymiar, w którym można je rzetelnie porównać

Parametry to niewłaściwa oś, a długość kontekstu nie ma znaczenia w przypadku jednego z nich. Wymiarem, który faktycznie się przekłada, jest to, jaka część wydania jest ukończona.

• Frameworki, które mogą go załadować — Gemma 4 12B działa na Transformers, vLLM, SGLang, llama.cpp, MLX i długim ogonie skwantyzowanych buildów społecznościowych; HiRO-ACEv2 działa za pośrednictwem własnego pakietu fme dla Pythona od Ai2, z konfiguracjami wskazującymi na repozytorium ai2cm/ace i nic więcej.

• Cena jednej odpowiedzi — Gemma 4 12B jest udostępniana za około 0,10 USD za milion tokenów wejściowych i 0,30 USD za milion tokenów wyjściowych przez dostawców, którzy ją oferują; HiRO-ACEv2 nie ma cennika, bo nie ma w niej nic rozliczanego za pojedyncze zapytanie. Jej koszt to godziny GPU na własnym sprzęcie, a artykuł twierdzi, że te godziny wypadają ponad 300 razy taniej niż w konwencjonalnym numerycznym globalnym modelu rozwiązującym burze.

• Kto to odtworzył — Liczby modelu Gemma 4 12B są raportowane przez dostawcę, ale wdrożenie już nie: za każdym twierdzeniem o tym, jak się zachowuje, stoją setki tysięcy pobrań i obszerny dorobek niezależnych praktyków; liczby HiRO-ACEv2 pochodzą od samych autorów, są sprzed dwóch dni, a repozytorium ma zero pobrań w chwili pisania tego tekstu.

• Do czego odnosi się znacznik licencji — obie są na licencji Apache 2.0. Licencja dla Gemma 4 12B to zwykła licencja; licencja HiRO-ACEv2 wiąże się z Wytycznymi odpowiedzialnego użytkowania Ai2, które określają przeznaczenie badawcze i edukacyjne, oraz z własnymi warunkami dopuszczalnego użycia nałożonymi dodatkowo.

• Wynik, który można sprawdzić mechanicznie — odpowiedź Gemma 4 12B sprawdza się, czytając ją, albo za pomocą napisanego przez siebie zestawu testów; pole HiRO-ACEv2 sprawdza się względem rozkładu, dlatego artykuł dotyczy 99,9999 percentyla, a nie średniego wyniku.

Tabela benchmarków to najbardziej rzucająca się w oczy różnica

Google opublikował pełną tabelę dla Gemma 4 12B Unified. MMLU Pro na poziomie 77,2%, AIME 2026 bez narzędzi na poziomie 77,5%, LiveCodeBench v6 na poziomie 72,0%, ELO w Codeforces na poziomie 1659, GPQA Diamond na poziomie 78,8%, MMMLU na poziomie 83,4%, MMMU Pro na poziomie 69,1%, MATH-Vision na poziomie 79,7% oraz wynik 43,4% w MRCR v2 dla ośmiu igieł przy 128k. Są to własne liczby dostawcy, nieodtworzone przez konkurentów Google, i obowiązuje tu standardowe zastrzeżenie: benchmark z karty modelu to twierdzenie o konfiguracji, a nie pomiar modelu, który uruchomisz. Ale każdy z tych wierszy to liczba, którą osoba trzecia może spróbować sfalsyfikować w ciągu jednego popołudnia, a kilka z nich mierzy możliwości, które ujawniają się w zwykłym użytkowaniu.

Karta HiRO-ACEv2 nie zawiera takiej tabeli. Podaje jedno stwierdzenie ilościowe — że downscaler odtwarza rozkłady natężenia opadów na powierzchni, wiatru na wysokości 10 metrów i ciśnienia na poziomie morza aż do 99,9999 percentyla — a następnie wymienia ograniczenia, które są bardziej informacyjne niż większość tabel benchmarkowych. Dziewięć lat danych treningowych, od 2014 do 2022. Wyniki, które odtwarzają X-SHIELD, a nie obserwacje. Brak zastosowania poza zakresem od 66°S do 70°N i brak możliwości działania poza 88°S lub 88°N. Nieciągłości na granicach patchy w regionach większych niż treningowy patch 16 na 16 o rozdzielczości jednego stopnia. Uwaga, że dołączony checkpoint ACE2S-X-SHIELD jest testowany mniej rygorystycznie niż wcześniejsza linia ACE2-ERA5.

Żadna z tych postaw nie jest nieuczciwa. G​oogle sprzedaje model, więc reklamuje to, jakie wyniki osiąga ten model. Ai2 publikuje artefakt badawczy, więc reklamuje to, czego ten artefakt nie potrafi zrobić. Czytelnik, który brak tabeli z benchmarkami traktuje jako dowód słabego modelu, rozumuje odwrotnie — właściwy odczyt jest taki, że ocena, której potrzebuje ten framework, ma charakter rozkładowy, a żaden publiczny ranking jej nie zapewnia.

Gdzie spotykają się w rzeczywistym potoku

Jest jedno miejsce, w którym te dwie rzeczy naprawdę należą do tego samego systemu, i nie jest to rywalizacja. Przepływ pracy emulacji klimatu wytwarza wokół modelu mnóstwo tekstu i kodu: skrypty sterujące ensemblami na przestrzeni dekad symulowanego czasu, narzędzia weryfikujące kształty NetCDF, zanim uruchomienie przepali godziny GPU, agregację statystyk rozkładu z setek rolloutów oraz zwykłą pracę polegającą na zamienianiu artykułu w checklistę. Nic z tego nie jest downscalingiem, a wszystko to jest pracą z modelami językowymi — taką, w której wywoływanie modelu na żądanie, a nie hostowanie go, jest rozsądnym rozwiązaniem domyślnym.

To jest warstwa, którą obejmuje OrcaRouter. HiRO-ACEv2 nie znajduje się w naszym katalogu i nie mogłoby się znaleźć — nie istnieje punkt końcowy rozliczany za tokeny dla downscalerа dyfuzyjnego — więc niczego tutaj nie należy odczytywać jako twierdzenia o jego dostępności. Gemma 4 12B również nie należy do modeli G​emma, które obecnie obsługujemy; nasz katalog zawiera checkpointy Gemma 4 26B-A4B oraz 31B, a ścieżka inferencji 12B pochodziłaby z miejsca, w którym ją hostujesz. Oferujemy otaczającą warstwę: jeden klucz API obejmujący ponad dwieście modeli, cenę katalogową dostawcy przekazywaną dalej bez doliczania marży oraz automatyczne przełączanie awaryjne między dostawcami, dzięki czemu potok obejmujący wiele dekad, który wywołuje także model językowy, nie zatrzymuje się, bo jeden z dostawców miał złą godzinę.

Jak zdecydować w mniej niż minutę

Zapytaj, jaką formę przyjmuje twoja odpowiedź. Jeśli wynikiem jest tekst, ustrukturyzowane wyodrębnienie, zmiana w kodzie lub podpis, potrzebujesz Gemma 4 12B — albo jednego z jej większych rodzeństw — a konkretnie 12B jest właściwym wyborem, gdy potrzebujesz multimodalnego wejścia w rozmiarze, który mieści się na pojedynczym akceleratorze z zapasem na długi kontekst. Jeśli wynikiem jest pole siatkowe 3 km opisujące opady, wiatr i ciśnienie w dziesięcioleciach symulowanego klimatu, żaden model językowy go nie wygeneruje, a Gemma 4 jest nieistotna dla twojego problemu; potrzebujesz HiRO-ACEv2, 10,9 GB do pobrania, środowiska Python i GPU.

Pułapką w tym konkretnym porównaniu jest liczba parametrów. Gemma 4 12B ją ma; HiRO-ACEv2 jej nie publikuje, a 10,9 GB miejsca w repozytorium to głównie dane wymuszające i warunki początkowe, a nie wagi — oba checkpointy razem mają około 4,3 GiB. Ocenianie tych dwóch modeli obok siebie na podstawie rozmiaru, czy jakiejkolwiek pojedynczej liczby, daje pewną siebie odpowiedź na pytanie, którego nikt nie zadał.

Właśnie przy takich porównaniach ujawniają się też tryby awarii: udokumentowane incydenty związane z AI i awarie agentów stojące za modelami z tej klasy zebrano w Archiwum Incydentów AI OrcaRouter, gdzie każdy wpis ma własne źródła, wagę, ocenę wiarygodności i flagę sporu.