
Aion-1.0-Instruct-2.3B vs Gemma 4 12B: Cinco vezes os pesos e dez vezes a evidência
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 188 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 205 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 124 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 110 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
Coloque Aion-1.0-Instruct-2.3B ao lado de Gemma 4 12B e a diferença de parâmetros é a coisa menos interessante neles. O checkpoint da Microsoft tem 2,29 bilhões de parâmetros e foi publicado no Hugging Face em 18 de novembro de 2026 sem anúncio; o da Google DeepMind tem 11,95 bilhões, licença Apache 2.0, e pode ser baixado desde maio de 2026 com um model card que traz uma tabela completa de avaliação e uma comunidade que já baixou os pesos mais de um milhão de vezes. A diferença interessante é que um desses modelos foi examinado por estranhos e o outro não foi examinado por ninguém.
Esta é uma comparação entre dois lançamentos abertos, e não entre duas APIs, então cada afirmação abaixo pode ser verificada baixando algo. Os números do Aion-1.0-Instruct-2.3B vêm do model card e do config.json em seu repositório, ambos lidos diretamente hoje. Os números do Gemma 4 12B vêm do model card do Google, e seus números de benchmark são do próprio fornecedor — relatados, não reproduzidos de forma independente, uma distinção que importa para ambos os modelos aqui.
A tabela de comparação que ninguém consegue preencher de modo uniforme
Seis dimensões, ambos os lados, e uma nota onde um dos lados simplesmente não tem nada para colocar na célula.
• Parâmetros — Aion-1.0-Instruct-2.3B é um modelo denso de ~2,29B com embeddings compartilhados; Gemma 4 12B é um modelo denso de 11,95B em 48 camadas.
• Licença — MIT para Aion, Apache 2.0 para Gemma. Comercialmente, ambas são efetivamente irrestritas; a MIT é marginalmente mais simples de cumprir porque não traz uma concessão de patente com que se preocupar.
• Contexto — 32.768 tokens contra 256K, uma diferença de oito vezes que decide se um repositório inteiro cabe em um único prompt.
• Entradas — apenas texto versus texto, imagem e áudio, com o truque característico do Gemma 4 12B sendo que ele não tem codificadores separados: patches de imagem e formas de onda de áudio são projetados diretamente no espaço de embeddings do decodificador.
• Idiomas — oito para o Aion (inglês, alemão, espanhol, português, italiano, francês, chinês e japonês, com dados multilíngues em cerca de 6% do treinamento); mais de 140 declarados para o Gemma.
• Avaliação publicada — Aion: 11 benchmarks em um harness nomeado, todos executados pelo fornecedor. Gemma: mais de 15 benchmarks, além de linhas de visão, áudio e contexto longo, todos executados pelo fornecedor.
O que dizem os onze números da Microsoft
O cartão Aion é mais franco do que a maioria dos lançamentos discretos. Afirma que os benchmarks foram executados no lm-evaluation-harness da EleutherAI nos casos em que existia uma implementação da tarefa e, nos restantes, no repositório próprio de cada benchmark, que o GPT-4o avaliou os que dependem de um avaliador e, em seguida, apresenta as pontuações: MMLU 55,15, MMLU-Pro 33,35, MMMLU 45,51, GPQA 28,18, GSM8K 74,91, GSMPlus 49,56, MATH-500 48,00, IFEval 83,90, IFBench 32,00, Multi-IF 64,70, chrF++ 43,18.
Dois deles trazem um qualificador na coluna de notas — GSM8K é “correspondência flexível”, IFBench é “flexível no nível do prompt” — e o card não os esconde. Esse é o tipo de divulgação que uma equipe de marketing remove e uma equipe de avaliação mantém. Isso também significa que os números devem ser lidos como um piso, e não como um discurso de venda: um 33,35 no MMLU-Pro e um 28,18 no GPQA não são números que alguém escolheria para usar como destaque principal.
O card é igualmente direto sobre o que o modelo não consegue fazer. Sua seção de limitações diz que um modelo pequeno desse tamanho "pode deixar passar detalhes sutis, fornecer afirmações incorretas ou mostrar incapacidade de seguir raciocínios complexos de várias etapas", e a seção de recomendações diz que o modelo "não foi treinado para se destacar em conhecimento de mundo". Essas são palavras do fornecedor, não nossas, e estão alinhadas com as pontuações em vez de contradizê-las.
Para onde vão, na verdade, os nove bilhões de parâmetros extras do Gemma
A ficha técnica do Gemma 4 12B lista MMLU Pro 77,2, GPQA Diamond 78,8, AIME 2026 sem ferramentas 77,5, LiveCodeBench v6 72,0, Codeforces ELO 1659, Tau2 com média de três execuções de 69,0, BigBench Extra Hard 53,0 e MMMLU 83,4. Ela também exibe MMMU Pro 69,1 e MATH-Vision 79,7 para visão, CoVoST 38,5 e FLEURS 0,069 para áudio, e 55,3 no RULER em 128K.
Compará-los diretamente com a tabela do Aion seria desonesto, porque quase nenhum dos benchmarks é compartilhado, os harnesses são diferentes, e um é um modelo somente de texto sendo avaliado contra um multimodal em tarefas que recompensam treinamentos diferentes. O que pode ser dito é direcional e contundente: nas duas linhas em que os nomes dos benchmarks coincidem, MMLU-Pro e MMMLU, o Gemma relata 43,8 e 37,9 pontos a mais, respectivamente. Isso não é uma peculiaridade de pontuação. É o que 9,7 bilhões de parâmetros extras e mais sete meses de pós-treinamento compram.
A observação mais útil é o que o Gemma faz com seu tamanho. Sua atenção híbrida intercala camadas locais com janela deslizante de 1.024 tokens com atenção global completa, e as camadas globais compartilham chaves e valores e aplicam RoPE proporcional — uma engenharia voltada diretamente para manter constante a memória de contexto longo. O Aion faz o mesmo tipo de coisa em escala menor, com uma janela deslizante de 2.048 tokens em 21 de suas 28 camadas. Ambos os modelos estão resolvendo o mesmo problema; um tem cinco vezes o orçamento para resolvê-lo.
Footprint é a única coluna em que o Aion vence de forma categórica.
Em bfloat16, o Aion-1.0-Instruct-2.3B tem cerca de 4,6 GB. O Gemma 4 12B tem aproximadamente 24 GB antes de você mexer em um quantizador, o que o coloca em uma GPU de workstation ou em um notebook fortemente quantizado e o tira completamente de um celular. Isso não é uma crítica ao Gemma — ele nunca foi voltado para um celular —, mas é exatamente a razão pela qual o modelo da Microsoft existe. O enquadramento do cartão é Windows no dispositivo: tarefas de texto e do sistema operacional, na máquina, com os dados nunca saindo dela.
A ressalva honesta é que a janela de 32K é alcançada por scaling, não por treinamento em sequências longas. A configuração registra original_max_position_embeddings de 2.048 com fator YaRN 16 apenas nas camadas de atenção completa, e nenhuma avaliação de contexto longo do modelo foi publicada. Assim, “32K” é um teto configurado, não uma capacidade demonstrada. O 256K do Gemma tem pelo menos uma linha do RULER por trás, executada pelo fornecedor e em 55,3 — modesta, mas presente.
A decisão de factoring, não a decisão do modelo
Esses dois pertencem a camadas diferentes do mesmo produto, e é geralmente assim que as equipes acabam usando-os. O Aion-1.0-Instruct-2.3B cuida da etapa no dispositivo: ocultar dados sensíveis, resumir, reescrever, classificar, manter o documento local. O Gemma 4 12B cuida dos casos que exigem a leitura de uma captura de tela, a transcrição de um clipe de áudio, uma base de código de 100 mil tokens mantida em contexto ou um idioma fora dos oito do Aion. Nenhum dos dois substitui o outro, e o erro a evitar é escolher o modelo pequeno para uma tarefa que precisa do grande só porque o pequeno pode ser baixado gratuitamente.
Quando ambos estão sendo chamados a partir de uma mesma base de código, o custo operacional não está nos tokens — está no segundo SDK, na segunda política de retentativas e no segundo conjunto de credenciais. É aí que um roteador se justifica: o OrcaRouter coloca mais de 200 modelos atrás de uma única chave com 0% de acréscimo sobre o preço de tabela do provedor, com failover automático e uma DSL de roteamento que pode enviar uma requisição por uma cadeia de modelos em vez de para um único. Para ser preciso sobre o que está e o que não está em nosso catálogo hoje: a família Gemma 4 está parcialmente presente — as variantes 26B A4B e 31B estão listadas —, enquanto Gemma 4 12B e Aion-1.0-Instruct-2.3B não estão, porque o primeiro é um lançamento de pesos auto-hospedado e o segundo não tem endpoint hospedado em lugar nenhum. O argumento de roteamento se aplica a quaisquer modelos irmãos destes que você acabe misturando com eles, não a estes dois checkpoints em si.
Uma ordem de implementação que falha com segurança
Comece com o Gemma 4 12B na carga de trabalho que você já tem, porque você consegue medi-la. A ficha dele lhe dá um denominador, os pesos são estáveis, e qualquer regressão que você observar é a sua regressão, e não um artefato de um upload de três dias atrás.
Em seguida, pegue o Aion-1.0-Instruct-2.3B e execute-o na fatia estreita que você pretende levar para o dispositivo — por exemplo, sumarização de threads de e-mail ou redação de documentos — usando seus próprios dados e seu próprio nível de precisão. Não use o MMLU dele como proxy para sua tarefa; a própria ficha do modelo adverte que ele não foi treinado para conhecimento de mundo, e um 55.15 no MMLU diz mais sobre trivialidades do que sobre se seus resumos sobrevivem à revisão.
Só então decida se a passagem local substitui uma chamada hospedada ou fica na frente de uma. O padrão que funciona é o mais sem graça: um modelo pequeno faz a primeira passagem localmente, com controle por confiança, e os casos difíceis são escalados para algo maior. Isso lhe dá a propriedade de privacidade na maioria do tráfego e mantém o teto de qualidade onde ele precisa estar.

O cartão do Google imprime os números com os quais o cartão da Aion ainda não pode ser comparado de forma justa: MMLU Pro 77,2, GPQA Diamond 78,8, MMMU Pro 69,1 e uma janela de 256K, todos informados pelo fornecedor.
O que tornaria isto um artigo diferente
Uma execução independente de harness do Aion-1.0-Instruct-2.3B resolveria isso. No momento em que escrevo, o repositório tinha três curtidas e zero downloads registrados, então não há nenhuma evidência da comunidade — nenhum tópico em fórum, nenhuma build quantizada, nenhuma avaliação de terceiros. O card promete versões quantizadas a seguir; quando um GGUF for lançado, o cenário local deixa de ser teórico e as contagens de download passam a significar algo.
Até lá, a comparação permanece como está: Gemma 4 12B é uma grandeza conhecida com um custo real, e Aion-1.0-Instruct-2.3B é um modelo muito pequeno, muito novo e honestamente documentado, cuja propriedade mais valiosa é rodar onde a rede não chega.

A ficha da Microsoft é a fonte para a contagem de 2,29B parâmetros, os oito idiomas suportados e o corte de conhecimento de 2025-12; seus carimbos de data e hora são o único sinal de lançamento que existe.

Lado a lado: a dimensão em que o Aion vence (pegada) e aquelas em que não vence (contexto, modalidades, idiomas e a profundidade das evidências por trás dos números).
