HiRO-ACEv2 vs Gemma 4 12B: A comparação só faz sentido quando você para de contar parâmetros

HiRO-ACEv2 e Gemma 4 12B são ambos downloads Apache 2.0 com um número no nome e um relatório técnico por trás, e é mais ou menos aí que a semelhança termina. O Gemma 4 12B é o modelo de linguagem multimodal de 11,95 bilhões de parâmetros do Google — texto, imagens e áudio na entrada, texto na saída, uma janela de contexto de 256K tokens, lançado em junho de 2026 e baixado bem mais de um milhão de vezes. O HiRO-ACEv2 é o emulador climático de segunda geração da Ai2, enviado para um repositório do Hugging Face em 12 de outubro de 2026 com cerca de 10,9 GB de checkpoints e dados de forçamento, sem anúncio, e com um artigo que apareceu no dia seguinte. Um é um modelo de propósito geral que você chama; o outro é uma estrutura de física que você instala e executa na sua própria máquina.

Enquadrado como uma comparação direta de qualidade, este confronto não tem sentido, e fingir o contrário seria a falha fácil de uma página como esta. Enquadrado como uma pergunta sobre o que pesos abertos realmente lhe oferecem em 2026, ele é genuinamente instrutivo — porque os dois lançamentos ficam em extremos opostos do espectro de abertura, mesmo que ambos carreguem a mesma etiqueta de licença, e as diferenças aparecem logo na primeira hora de tentar usar qualquer um dos dois.

Para que serve cada um, em uma frase cada.

Gemma 4 12B recebe um prompt — texto, uma imagem, um clipe de áudio ou alguma combinação — e produz texto. Ele tem uma arquitetura sem torre de visão e sem encoder que projeta patches de imagem e formas de onda de áudio diretamente no espaço de embeddings do modelo de linguagem por meio de camadas lineares, 48 camadas, um vocabulário de 262K, uma janela deslizante de 1024 tokens misturada com atenção global, e aproximadamente 11,95 bilhões de parâmetros em bf16. É explicitamente um modelo denso, e o lançamento inclui uma tabela completa de benchmarks do fornecedor.

HiRO-ACEv2 recebe um estado climático com resolução de 100 km e produz campos de 3 km — precipitação, ventos de 10 metros para leste e para norte, e pressão ao nível médio do mar, com frequência de seis horas. É um sistema de dois estágios: um emulador autorregressivo do X-SHIELD com resolução reduzida para 100 km, seguido por um modelo de difusão que reduz a escala do resultado para 3 km. Ele gera campos em grade no estilo NetCDF, não texto, e não possui nenhuma tabela de benchmark.

Essa é toda a comparação em termos estruturais. Um mapeia uma língua para outra. O outro mapeia uma atmosfera grosseira para uma fina.

A única dimensão em que os dois são honestamente comparáveis

Parâmetros são o eixo errado, e o comprimento de contexto é irrelevante para um deles. A dimensão que realmente se aplica é quanto do lançamento está concluído.

• Frameworks que conseguem carregá-lo — o Gemma 4 12B roda em Transformers, vLLM, SGLang, llama.cpp, MLX e uma longa cauda de builds quantizadas da comunidade; o HiRO-ACEv2 roda por meio do pacote Python fme da própria Ai2, com configurações voltadas apenas ao repositório ai2cm/ace e nada além disso.

• Preço de uma resposta — O Gemma 4 12B é oferecido a aproximadamente $0,10 por milhão de tokens de entrada e $0,30 por milhão de tokens de saída pelos provedores que o disponibilizam; o HiRO-ACEv2 não tem tabela de preços, porque não há nada nele que seja por requisição. Seu custo é em horas de GPU no seu próprio hardware, e a alegação do artigo é que essas horas ficam mais de 300 vezes abaixo das de um modelo numérico global convencional de resolução de tempestades.

• Quem o reproduziu — os números do Gemma 4 12B são relatados pelo fornecedor, mas a sua implantação não é: centenas de milhares de downloads e um vasto conjunto de trabalhos independentes de profissionais sustentam cada afirmação sobre o seu comportamento; os números do HiRO-ACEv2 são dos próprios autores, têm dois dias e o repositório tem zero downloads até o momento desta redação.

• Aquilo a que a etiqueta de licença se aplica — ambas são Apache 2.0. A concessão do Gemma 4 12B é a licença comum; a do HiRO-ACEv2 vem acompanhada das Diretrizes de Uso Responsável da Ai2, que indicam intenção de pesquisa e educacional, e dos seus próprios termos de uso aplicável sobrepostos.

• Saída que pode ser verificada mecanicamente — uma resposta do Gemma 4 12B é verificada ao ser lida, ou por uma suíte de testes que você escreve; um campo do HiRO-ACEv2 é verificado em relação a uma distribuição, e é por isso que o artigo trata do percentil 99,9999 em vez de uma pontuação média.

A tabela de benchmark é a diferença mais gritante

O Google publicou uma tabela completa para o Gemma 4 12B Unified. MMLU Pro em 77,2%, AIME 2026 sem ferramentas em 77,5%, LiveCodeBench v6 em 72,0%, um ELO no Codeforces de 1659, GPQA Diamond em 78,8%, MMMLU em 83,4%, MMMU Pro em 69,1%, MATH-Vision em 79,7%, e um valor de 43,4% no MRCR v2 de oito agulhas em 128k. Esses são os números do próprio fornecedor, não reproduzidos pelos concorrentes do Google, e a ressalva padrão se aplica: um benchmark de model card é uma alegação sobre uma configuração, não uma medição do modelo que você vai executar. Mas cada uma dessas linhas é um número que um terceiro pode tentar falsificar em uma tarde, e várias delas medem capacidades que aparecem no uso comum.

O cartão do HiRO-ACEv2 não contém nenhuma tabela desse tipo. Ele faz uma afirmação quantitativa — de que o downscaler reproduz as distribuições da taxa de precipitação à superfície, dos ventos a 10 metros e da pressão ao nível do mar até o 99,9999º percentil — e depois lista limitações que são mais informativas do que a maioria das tabelas de benchmark. Nove anos de dados de treinamento, de 2014 a 2022. Saídas que reproduzem o X-SHIELD em vez de observações. Sem aplicabilidade fora de 66°S a 70°N, e sem capacidade de executar além de 88°S ou 88°N. Descontinuidades nos limites do patch em regiões maiores que o patch de treinamento de 16 por 16 de um grau. Uma nota de que o checkpoint ACE2S-X-SHIELD incluído é menos rigorosamente testado do que a linha ACE2-ERA5 anterior.

Nenhuma das duas posturas é desonesta. O G​oogle está vendendo um modelo, então anuncia o que o modelo pontua. A Ai2 está publicando um artefato de pesquisa, então anuncia o que o artefato não consegue fazer. Um leitor que interpreta a ausência de uma tabela de benchmark como evidência de um modelo fraco está invertendo o raciocínio — a leitura correta é que a avaliação de que este framework precisa é distribucional, e nenhum leaderboard público a executa.

Onde eles se encontram em um pipeline real

Há um lugar em que esses dois realmente pertencem ao mesmo sistema, e não se trata de uma rivalidade. Um fluxo de trabalho de emulação climática produz uma grande quantidade de texto e código em torno do modelo: scripts que conduzem ensembles ao longo de décadas de tempo simulado, ferramentas que validam as formas dos dados NetCDF antes que uma execução consuma horas de GPU, agregação de estatísticas de distribuição em centenas de rollouts, e o trabalho comum de transformar um artigo em uma lista de verificação. Nada disso é downscaling, e tudo isso é trabalho de modelo de linguagem — do tipo em que chamar um modelo por requisição, em vez de hospedar um, é o padrão sensato.

Essa é a camada que o OrcaRouter cobre. O HiRO-ACEv2 não está no nosso catálogo e não poderia estar — não existe um endpoint com medição por token para um downscaler de difusão —, então nada aqui deve ser lido como uma afirmação de disponibilidade para ele. O Gemma 4 12B também não é um dos modelos Gemma que servimos atualmente; nosso catálogo traz os checkpoints Gemma 4 26B-A4B e 31B, e o caminho de inferência do 12B viria de onde você o hospedar. O que oferecemos é a camada ao redor: uma única chave de API para mais de duzentos modelos, preço de tabela do provedor repassado sem nenhuma margem adicionada, e failover automático entre provedores para que um pipeline de várias décadas que também chama um modelo de linguagem não trave porque um upstream teve uma hora ruim.

Como decidir em menos de um minuto

Pergunte qual é o formato da sua resposta. Se a saída for texto, uma extração estruturada, uma alteração de código ou uma legenda, você quer o Gemma 4 12B — ou um de seus irmãos maiores — e o 12B especificamente é a escolha certa quando você precisa de entrada multimodal em um tamanho que cabe em um único acelerador com espaço para um contexto longo. Se a saída for um campo em grade de 3 km descrevendo precipitação, vento e pressão ao longo de décadas de clima simulado, nenhum modelo de linguagem vai produzir isso e o Gemma 4 é irrelevante para o seu problema; você quer o HiRO-ACEv2, 10,9 GB de download, um ambiente Python e uma GPU.

A armadilha nesta comparação em particular é a contagem de parâmetros. O Gemma 4 12B tem uma; o HiRO-ACEv2 não publica uma, e os 10,9 GB de armazenamento do repositório são majoritariamente dados de forçamento e condições iniciais, e não pesos — os dois checkpoints juntos somam cerca de 4,3 GiB. Julgar esses dois modelos lado a lado pelo tamanho, ou por qualquer número isolado, produz uma resposta confiante para uma pergunta que ninguém fez.

É também em comparações como esta que os modos de falha aparecem: os incidentes de IA documentados e as falhas de agentes por trás dos modelos desta classe são reunidos no OrcaRouter AI Incident Archive, onde cada entrada traz as suas próprias fontes, severidade, grau de confiança e sinalizador de disputa.