HiRO-ACEv2 vs Gemma 4 12B: сравнение обретает смысл, только когда перестаёшь считать параметры

HiRO-ACEv2 и Gemma 4 12B — обе доступны для скачивания под лицензией Apache 2.0, у обеих в названии есть число, и за обеими стоит технический отчёт; и на этом их сходство почти заканчивается. Gemma 4 12B — это мультимодальная языковая модель Google с 11,95 млрд параметров: текст, изображения и аудио на входе, текст на выходе, контекстное окно на 256K токенов, выпущена в июне 2026 года, а число её скачиваний значительно превысило миллион. HiRO-ACEv2 — это климатический эмулятор второго поколения от Ai2, загруженный в репозиторий Hugging Face 12 октября 2026 года вместе с примерно 10,9 ГБ чекпойнтов и данных форсинга, без анонса, а статья появилась на следующий день. Один — универсальная модель, к которой вы обращаетесь; другой — физический фреймворк, который вы устанавливаете и запускаете на своей машине.

Если рассматривать это как очное сравнение по качеству, это противостояние бессмысленно, а делать вид, что это не так, было бы лёгким путём к провалу для страницы вроде этой. Если же рассматривать это как вопрос о том, что на самом деле дают вам открытые веса в 2026 году, это действительно поучительно — потому что эти два релиза находятся на противоположных концах спектра открытости, хотя оба имеют одну и ту же лицензионную метку, и различия проявляются уже в первый час попытки использовать любой из них.

Для чего предназначен каждый из них — по одному предложению на каждый.

Gemma 4 12B принимает промпт — текст, изображение, аудиофрагмент или их комбинацию — и выдаёт текст. Она имеет архитектуру без визуальной башни и без энкодера, которая проецирует фрагменты изображений и звуковые волны напрямую в пространство эмбеддингов языковой модели через линейные слои, 48 слоёв, словарь на 262K токенов, скользящее окно на 1024 токена в сочетании с глобальным вниманием и примерно 11,95 млрд параметров в bf16. Это явно плотная модель, и релиз включает полную таблицу бенчмарков от производителя.

HiRO-ACEv2 принимает климатическое состояние с разрешением 100 км и создаёт поля с разрешением 3 км — осадки, восточную и северную составляющие ветра на высоте 10 метров и среднее давление на уровне моря — с шестичасовой периодичностью. Это двухэтапная система: авторегрессионный эмулятор X-SHIELD, огрублённого до 100 км, за которым следует диффузионная модель, выполняющая даунскейлинг результата до 3 км. Она выдаёт сеточные поля в стиле NetCDF, а не текст, и у неё вообще нет таблицы бенчмарков.

В структурном смысле это и есть всё сравнение. Одно сопоставляет язык с языком. Другое сопоставляет грубую атмосферу с тонкой.

Единственное измерение, в котором этих двоих можно честно сравнить

Параметры — это не та ось, а длина контекста для одного из них ничего не значит. Переносится же то измерение, которое показывает, насколько завершён релиз.

• Фреймворки, которые могут её загрузить — Gemma 4 12B работает на Transformers, vLLM, SGLang, llama.cpp, MLX и на длинном хвосте квантованных сборок сообщества; HiRO-ACEv2 работает через собственный fme Python-пакет от Ai2, с конфигами, нацеленными на репозиторий ai2cm/ace и ни на что больше.

• Цена одного ответа — Gemma 4 12B предоставляется примерно по цене $0,10 за миллион входных токенов и $0,30 за миллион выходных токенов провайдерами, которые её обслуживают; у HiRO-ACEv2 нет тарифной сетки, потому что в ней нет ничего, что оплачивалось бы за запрос. Её стоимость — это GPU-часы на вашем собственном оборудовании, и в статье утверждается, что эти часы обходятся более чем в 300 раз дешевле, чем обычная численная глобальная модель с разрешением штормов.

• Кто это воспроизвёл — цифры Gemma 4 12B сообщены вендором, а вот её развёртывание — нет: за каждым утверждением о её поведении стоят сотни тысяч загрузок и обширный корпус независимых наработок практиков; цифры HiRO-ACEv2 принадлежат самим авторам, им всего два дня, и на момент написания этого текста у репозитория ноль загрузок.

• К чему привязан тег лицензии — обе являются Apache 2.0. Предоставление прав для Gemma 4 12B — это обычная лицензия; предоставление прав для HiRO-ACEv2 сопровождается Responsible Use Guidelines от Ai2, в которых указаны исследовательские и образовательные цели, а также собственными применимыми условиями использования, накладываемыми сверху.

• Результат, который можно проверить механически — ответ Gemma 4 12B проверяют, прочитав его, или с помощью набора тестов, который вы пишете; поле HiRO-ACEv2 проверяется на соответствие распределению, поэтому в статье речь идёт о 99,9999-м процентиле, а не о среднем балле.

Таблица бенчмарков — самое заметное различие.

Google опубликовала полную таблицу для Gemma 4 12B Unified. MMLU Pro — 77,2%, AIME 2026 без инструментов — 77,5%, LiveCodeBench v6 — 72,0%, рейтинг Codeforces ELO — 1659, GPQA Diamond — 78,8%, MMMLU — 83,4%, MMMU Pro — 69,1%, MATH-Vision — 79,7%, а показатель MRCR v2 с восемью иглами — 43,4% при 128k. Это собственные цифры вендора, не воспроизведённые конкурентами Google, и применима стандартная оговорка: бенчмарк из карточки модели — это заявление о конфигурации, а не измерение модели, которую вы запустите. Но каждая из этих строк — число, которое третья сторона может попытаться опровергнуть за полдня, и несколько из них измеряют возможности, проявляющиеся в обычном использовании.

Карточка HiRO-ACEv2 не содержит такой таблицы. В ней делается одно количественное утверждение — что даунскейлер воспроизводит распределения приземной интенсивности осадков, скорости ветра на высоте 10 метров и давления на уровне моря вплоть до 99,9999-го процентиля, — а затем перечисляются ограничения, которые информативнее большинства таблиц с результатами бенчмарков. Девять лет обучающих данных, с 2014 по 2022 год. Выходные данные, которые воспроизводят X-SHIELD, а не наблюдения. Неприменимо за пределами диапазона от 66° ю. ш. до 70° с. ш., и отсутствует возможность запуска за пределами 88° ю. ш. или 88° с. ш. Разрывы на границах патчей в областях, превышающих обучающий патч 16 на 16 с разрешением один градус. Примечание о том, что включённый чекпойнт ACE2S-X-SHIELD протестирован менее строго, чем более ранняя линейка ACE2-ERA5.

Ни та, ни другая позиция не бесчестна. Google продаёт модель, поэтому рекламирует то, какие баллы она набирает. Ai2 публикует исследовательский артефакт, поэтому рекламирует то, чего артефакт не может делать. Читатель, который воспринимает отсутствие таблицы бенчмарков как доказательство слабости модели, переворачивает рассуждение с ног на голову — правильное прочтение таково: оценка, которая нужна этому фреймворку, является дистрибутивной, и ни один публичный лидерборд её не проводит.

Где они встречаются в реальном пайплайне

Есть одно место, где эти двое действительно должны находиться в одной системе, и это не соперничество. Рабочий процесс климатической эмуляции порождает массу текста и кода вокруг модели: скрипты, которые управляют ансамблями на протяжении десятилетий модельного времени, инструменты, проверяющие формы NetCDF перед тем, как запуск сожжёт GPU-часы, агрегация статистик распределения по сотням прогонов и обычная работа по превращению статьи в чек-лист. Ничто из этого не является даунскейлингом, и всё это — работа с языковыми моделями, та самая, где вызов модели на каждый запрос, а не её хостинг, является разумным выбором по умолчанию.

Это тот слой, который покрывает OrcaRouter. HiRO-ACEv2 нет в нашем каталоге и быть не может — для диффузионного даунскейлера не существует эндпоинта с оплатой по токенам, — так что ничто здесь не должно восприниматься как заявление о его доступности. Gemma 4 12B также не относится к числу моделей Gemma, которые мы сейчас обслуживаем; в нашем каталоге представлены чекпоинты Gemma 4 26B-A4B и 31B, а путь инференса для 12B зависел бы от того, где вы его разместите. Мы предлагаем окружающий слой: один ключ API для более чем двухсот моделей, отпускная цена провайдера передаётся без добавления наценки, а автоматическое переключение при сбое между провайдерами не даёт конвейеру, рассчитанному на многие десятилетия и при этом обращающемуся к языковой модели, остановиться из-за того, что у одного из апстримов выдался плохой час.

Как принять решение менее чем за минуту

Спросите, какую форму принимает ваш ответ. Если результат — текст, структурированное извлечение, изменение кода или подпись, вам нужна Gemma 4 12B — или одна из её более крупных родственных моделей — и именно 12B станет правильным выбором, когда вам нужен мультимодальный ввод такого размера, который помещается на одном ускорителе с запасом под длинный контекст. Если же результат — это сеточное поле с шагом 3 км, описывающее осадки, ветер и давление за десятилетия моделируемого климата, ни одна языковая модель его не выдаст, и Gemma 4 здесь ни при чём; вам нужен HiRO-ACEv2, 10,9 ГБ для скачивания, среда Python и GPU.

Ловушка в этом конкретном сравнении — количество параметров. У Gemma 4 12B оно есть; HiRO-ACEv2 его не публикует, а 10,9 ГБ хранилища репозитория — это в основном данные форсинга и начальные условия, а не веса — вместе два чекпоинта занимают около 4,3 ГиБ. Судить эти две модели бок о бок по размеру или по любому отдельному числу — значит получить уверенный ответ на вопрос, который никто не задавал.

Подобные сравнения также выявляют режимы отказа: документированные инциденты с ИИ и сбои агентов, стоящие за моделями этого класса, собраны в архиве инцидентов ИИ OrcaRouter, где каждая запись содержит собственные источники, степень серьёзности, оценку достоверности и флаг оспаривания.