SubQ Snap 1.1 vs Gemma 4 12B: Um Juiz Especialista Contra um Generalista Aberto

Pergunte a ambos SubQ Snap 1.1 e Gemma 4 12B quais de quinhentos tickets de suporte são pedidos de reembolso, e ambos produzirão uma resposta utilizável. Apenas um deles também dirá a você, por ticket, qual é o seu nível de confiança — e apenas um deles pode ser baixado e executado em hardware que você possui. Essa é toda a comparação, e o motivo pelo qual ela não resulta em um vencedor é que os dois modelos não estão realmente na mesma categoria de produto. O Snap 1.1 é um modelo de decisão lançado pela Subquadratic em 22 de outubro de 2026: ele pontua um conjunto fixo de opções e não gera texto. O Gemma 4 12B é o generalista de pesos abertos do Google DeepMind, um modelo denso de aproximadamente 12 bilhões de parâmetros sob a Apache 2.0 que lê texto, imagens, áudio e vídeo e escreve prosa em resposta.

Trate-os como substitutos e você cometerá um de dois erros: pagar tarifas de API por um classificador que poderia rodar em um laptop, ou tentar obter roteamento estruturado de um modelo que nunca foi treinado para se abster. Tratados como duas camadas do mesmo pipeline, eles se encaixam razoavelmente bem.

O que cada um realmente é

O Gemma 4 12B é o filho do meio da família Gemma 4, situando-se entre os modelos E2B e E4B no dispositivo e os níveis 26B-A4B e 31B. Seu diferencial arquitetônico notável é ser isento de encoder: patches de imagem e formas de onda de áudio são projetados diretamente no backbone de linguagem, em vez de passarem por encoders separados de visão e áudio. Ele roda em uma configuração de raciocínio e em uma sem raciocínio, é distribuído sob Apache 2.0 e é o tipo de modelo que uma equipe escolhe porque pode ser ajustado fine-tuned, quantizado, incorporado e distribuído sem pedir permissão a ninguém. Os rastreadores discordam sobre a data exata de lançamento — Artificial Analysis e BenchLM dizem 3 de junho de 2026, llm-stats diz 23 de maio —, o que é um pequeno lembrete de que até os fatos entediantes sobre lançamentos abertos são reafirmados de forma diferente dependendo de quem está contando.

O SubQ Snap 1.1 é deliberadamente mais restrito. Ele aceita até 384K tokens de texto e imagens, além de um conjunto de respostas definido pela aplicação — de uma a dezesseis perguntas, duas a 255 alternativas por pergunta — e retorna uma seleção com uma probabilidade. Não há saída de texto livre para analisar, nem esquema JSON para impor, e não há como o modelo responder a uma pergunta que você não lhe ofereceu. O argumento da Subquadratic é que esta é uma tarefa computacional diferente da geração, e que uma arquitetura de atenção esparsa pode realizá-la com computação constante por token, em vez de pagar atenção quadrática ao longo de um documento de 300K tokens.

As especificações, lado a lado

• Contexto — SubQ Snap 1.1 aceita 384K tokens em uma única passagem; Gemma 4 12B aceita 256K (262,144).

• Modalidade de entrada — o Snap 1.1 aceita texto e imagens; o Gemma 4 12B aceita texto, imagens, áudio e vídeo.

• Saída — Snap 1.1 retorna uma escolha ou pontuação da sua lista, com uma probabilidade; Gemma 4 12B gera texto de comprimento arbitrário.

• Preço — O Snap 1.1 custa US$ 0,04 por 1 milhão de tokens de entrada, com saída gratuita; a mediana do Gemma 4 12B entre provedores é de US$ 0,10 por 1 milhão de entrada e US$ 0,30 por 1 milhão de saída.

• Pesos — O Snap 1.1 não publica nenhum; o Gemma 4 12B disponibiliza pesos Apache 2.0 que você pode baixar, quantizar e auto-hospedar.

• Calibração — O Snap 1.1 relata um erro de calibração esperado de 0,014 e uma taxa de abstenção de 86% em perguntas que não consegue responder; o Gemma 4 12B não publica nenhum valor de calibração comparável.

• Âncora de benchmark — Snap 1.1 obtém 65 no Artificial Analysis Decision Index v1.0, empatado em primeiro lugar; Gemma 4 12B obtém 14 no Artificial Analysis Intelligence Index, um valor estimado para sua classe de tamanho.

Essas duas últimas linhas não são comparáveis e não deveriam ser colocadas uma ao lado da outra sem um aviso. O Decision Index mede a qualidade das decisões em uma tarefa de resposta fixa; o Intelligence Index mede o raciocínio geral. Um 65 e um 14 estão respondendo a perguntas diferentes.

A tarefa que ambos conseguem realizar, e quanto ela custa

Considere uma chamada de roteamento realista: uma thread de ticket de 8.000 tokens, cinco filas candidatas, uma resposta. O Snap 1.1 cobra US$ 0,04 por milhão de tokens de entrada e nada pela saída, então a chamada custa cerca de US$ 0,00032. O Gemma 4 12B, com o preço mediano dos provedores, cobra US$ 0,0008 pelos mesmos 8.000 tokens de entrada, mais a saída — um rótulo puro tem talvez cinco tokens, ou US$ 0,0000015, mas uma configuração de raciocínio que pensa antes de responder pode facilmente gastar de 200 a 400 tokens, o que representa mais US$ 0,00006 a US$ 0,00012.

Assim, nas tarifas da API, o Snap é de duas a três vezes mais barato por chamada, e a diferença aumenta à medida que o documento fica mais longo, porque o preço de entrada do Gemma é duas vezes e meia o do Snap. Com 100 mil tokens, a comparação é de US$ 0,004 contra US$ 0,010 antes mesmo de o Gemma escrever qualquer coisa.

Agora, hospede o Gemma 4 12B por conta própria numa GPU que você já possui. O custo marginal por chamada cai para o da eletricidade, e a comparação se inverte por completo. Este é o fator mais importante dessa disputa: o Snap 1.1 só é mais barato se você estiver comprando inferência por token. Se você tem capacidade ociosa, o Gemma é gratuito na margem — e o Snap nunca será.

Onde o Gemma 4 12B vence

A resposta óbvia é a abertura, mas a versão útil é mais específica. Apache 2.0 significa que nenhum fornecedor pode descontinuar o endpoint em que você se baseia, nenhum limite de taxa pode estrangular uma tarefa em lote às 2h da manhã, e nenhum dado sai da sua rede. Para um fluxo de trabalho regulamentado — triagem de sinistros, codificação clínica, revisão de contratos — esse último ponto geralmente resolve a discussão antes que o preço seja discutido.

O Gemma também faz coisas que o Snap, por sua estrutura, não consegue fazer. Ele escreve o resumo de escalonamento depois que o roteador decide escalar. Ele lê um formulário digitalizado, transcreve a gravação de uma chamada e responde a uma pergunta sobre ambos em uma única passagem. Ele pode ser ajustado fine-tuned com seus próprios dados rotulados, o que, para uma tarefa de classificação restrita, muitas vezes supera o comportamento zero-shot de qualquer modelo geral. Nos próprios números publicados pelo fornecedor, ele pontua 77,2 no MMLU-Pro, 78,8 no GPQA e 72,0 no LiveCodeBench v6 — modestos para um modelo de fronteira, totalmente respeitáveis para algo que cabe em um único acelerador.

Suas fraquezas são igualmente específicas: 5,2 no Humanity's Last Exam sem ferramentas, 43,4 no MRCRv2 de recuperação de contexto longo, e uma latência do primeiro token de cerca de 2,4 a 2,6 segundos nas velocidades típicas dos provedores, o que fica no lado lento para um salto de roteamento em um loop de agente.

Onde o SubQ Snap 1.1 se destaca

Três coisas, em ordem de importância. Primeiro, abstenção calibrada. O Snap 1.1 relata uma taxa de 86% de dizer “Não sei” em perguntas que não consegue responder corretamente, contra 0,7% do seu próprio lançamento 1.0 no proxy de onisciência do fornecedor — a melhoria é o destaque desta versão. Fazer um LLM de uso geral se abster de forma confiável exige engenharia de prompt, uma heurística de confiança ou um segundo modelo para avaliar o primeiro, e nenhuma dessas opções é tão limpa quanto um modelo treinado com a abstenção como objetivo explícito.

Segundo, contexto. 384K em uma única passada contra 256K e — mais relevante — nenhuma estratégia de fragmentação para projetar. Um modelo geral em 256K consegue tecnicamente comportar o documento; se ele recupera a frase certa no meio dele é uma questão diferente, e o 43,4 do Gemma no MRCRv2 sugere que a resposta honesta é "às vezes".

Terceiro, o formato da saída. Uma probabilidade sobre suas cinco filas é diretamente utilizável como limiar de roteamento. Uma frase gerada não é, e o código de cola que transforma uma na outra é onde a maioria dos bugs de classificação em produção reside.

O que o Snap não tem é qualquer verificação independente do 1.1. As avaliações de terceiros existentes testaram o modelo de pré-visualização, e uma delas — um estudo de avaliação de relevância de documentos conduzido pela 95pctai comparando o Snap com o Gemma 4 31B — constatou que o Snap era aproximadamente duas vezes mais rápido e custava metade do preço por execução, mas deixou de fora 21 respostas que o baseline Gemma capturou. O autor do estudo observa que tanto o juiz quanto o baseline eram modelos do Google, o que pode favorecer o Gemma, e que o Snap foi executado apenas uma vez.

Realidade da implantação

Gemma 4 12B não está no catálogo da OrcaRouter. Atendemos aos níveis 26B-A4B e 31B da mesma família, e o 12B está disponível pelos canais próprios do Google e por várias plataformas de terceiros. O Snap 1.1 também não é nosso: ele funciona por meio da API da Subquadratic em console.subq.ai.

A questão prática para a maioria das equipes não é em qual delas padronizar, mas se a camada de decisão e a camada de geração devem compartilhar uma dependência. Elas falham de formas diferentes. Um roteador que cai interrompe seu pipeline antes que qualquer trabalho aconteça; um gerador que cai o interrompe no meio do caminho. Manter as duas com fornecedores separados — uma única chave para mais de 200 modelos de geração no OrcaRouter com 0% de acréscimo sobre a tabela do provedor e failover automático, um contrato para o modelo de decisão — significa que uma tarde ruim em qualquer um dos fornecedores degrada o pipeline em vez de interrompê-lo.

Como decidir em uma única passagem

Se a decisão for um rótulo sobre um conjunto fixo de opções, os documentos forem longos e você não puder hospedar pesos: Snap 1.1, e reserve orçamento para construir seu próprio harness de avaliação, porque ninguém publicou um para esta versão.

Se a decisão for um rótulo, mas a mesma chamada também tiver de produzir texto, ou se os dados não puderem sair da sua rede, ou se tiver capacidade de GPU disponível: o Gemma 4 12B, afinado com alguns milhares dos seus próprios exemplos, normalmente superará um modelo de decisão de uso geral na sua tarefa específica.

Se você está genuinamente em dúvida, o experimento barato é rodar os dois sobre os mesmos 2.000 casos rotulados e comparar não a acurácia, mas o custo dos erros que cada um comete. O Snap vai se abster mais. O Gemma vai responder mais e errar com mais frequência sem avisar. Qual desses é pior é uma propriedade do seu negócio, não de nenhum dos dois modelos.