การ์ดชื่อเรื่องที่สร้างขึ้นซึ่งมีข้อความว่า 'Aion-1.0-Instruct-2.3B เทียบกับ Gemma 4 12B' พร้อมคำบรรยายใต้ภาพว่า 'น้ำหนักมากกว่าห้าเท่าและหลักฐานมากกว่าสิบเท่า' เหนือการเปรียบเทียบแบบแถบแนวนอนระหว่าง 2.29B กับ 11.95B พารามิเตอร์ และแบดจ์สามอัน: 'หลักฐานจากชุมชน 1 วัน', 'หลักฐานจากชุมชน 7 เดือน' และ 'ทั้งคู่เป็นข้อมูลที่ผู้จำหน่ายรายงาน'
Guides & Insights

Aion-1.0-Instruct-2.3B เทียบกับ Gemma 4 12B: น้ำหนักมากกว่าห้าเท่าและหลักฐานมากกว่าสิบเท่า

ผู้เขียน

jinhao.song

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

วาง Aion-1.0-Instruct-2.3B ไว้ข้าง G​emma 4 12B แล้วช่องว่างด้านพารามิเตอร์ก็เป็นสิ่งที่น่าสนใจน้อยที่สุดเกี่ยวกับทั้งสองรุ่นนี้ เช็กพอยต์ของ Microsoft มี 2.29 พันล้านพารามิเตอร์ และถูกอัปโหลดขึ้น Hugging Face เมื่อวันที่ 18 พฤศจิกายน 2026 โดยไม่มีการประกาศ ส่วนของ G​oogle DeepMind มี 11.95 พันล้านพารามิเตอร์ เป็น Apache 2.0 และสามารถดาวน์โหลดได้ตั้งแต่เดือนพฤษภาคม 2026 พร้อมการ์ดโมเดลที่แสดงตารางการประเมินแบบเต็ม และมีชุมชนที่ดึงเวตไปแล้วกว่าหนึ่งล้านครั้ง ช่องว่างที่น่าสนใจคือ แบบจำลองหนึ่งในนี้ถูกตรวจสอบโดยคนแปลกหน้า ส่วนอีกแบบยังไม่เคยถูกใครตรวจสอบเลย

นี่คือการเปรียบเทียบรุ่นที่เปิดให้ใช้งานสองรุ่น ไม่ใช่การเปรียบเทียบ API สองตัว ดังนั้นทุกข้อกล่าวอ้างด้านล่างนี้จึงตรวจสอบได้ด้วยการดาวน์โหลดบางสิ่ง ตัวเลขของ Aion-1.0-Instruct-2.3B มาจากการ์ดโมเดลและ config.json ในรีโพซิทอรีของโมเดล ซึ่งทั้งสองแหล่งถูกอ่านโดยตรงในวันนี้ ตัวเลขของ G​emma 4 12B มาจากการ์ดโมเดลของ G​oogle และตัวเลข benchmark ของมันเป็นข้อมูลของผู้ขายเอง — มีการรายงานมา ไม่ได้ทำซ้ำอย่างเป็นอิสระ ซึ่งเป็นความแตกต่างที่สำคัญสำหรับทั้งสองโมเดลในบริบทนี้

ตารางเปรียบเทียบที่ไม่มีใครกรอกให้ครบทุกช่องอย่างเท่าเทียมกันได้

หกมิติ ทั้งสองด้าน และหมายเหตุในกรณีที่ด้านหนึ่งไม่มีอะไรจะใส่ลงในช่องเลย

• พารามิเตอร์ — Aion-1.0-Instruct-2.3B เป็นโมเดล dense ขนาด ~2.29B ที่มี tied embeddings; G​emma 4 12B เป็นโมเดล dense ขนาด 11.95B ใน 48 เลเยอร์

• สัญญาอนุญาต — MIT สำหรับ Aion, Apache 2.0 สำหรับ Gemma ในเชิงพาณิชย์ ทั้งสองแบบไม่มีข้อจำกัดใด ๆ อย่างมีนัยสำคัญ โดย MIT นั้นง่ายกว่าเล็กน้อยในการปฏิบัติตาม เนื่องจากไม่มีข้อกำหนดการให้สิทธิ์สิทธิบัตรที่ต้องพิจารณา

• บริบท — 32,768 โทเค็น เทียบกับ 256K ความแตกต่างแปดเท่าที่ตัดสินว่าทั้งรีโพซิทอรีจะพอดีในพรอมป์เดียวหรือไม่

• อินพุต — ข้อความเท่านั้น เทียบกับข้อความ รูปภาพ และเสียง โดย titik เด่นเฉพาะตัวของ G​emma 4 12B คือมันไม่มีเอนโคเดอร์แยกต่างหาก: แพตช์ภาพและรูปคลื่นเสียงถูกฉายตรงเข้าสู่สเปซ embedding ของเดคโคเดอร์

• ภาษา — แปดภาษาสำหรับ Aion (อังกฤษ เยอรมัน สเปน โปรตุเกส อิตาลี ฝรั่งเศส จีน ญี่ปุ่น โดยมีข้อมูลหลายภาษาประมาณ 6% ของการฝึก); มีการอ้างว่ามากกว่า 140 ภาษาสำหรับ G​emma

• การประเมินที่เผยแพร่ — Aion: 11 เบนช์มาร์กบนฮาร์เนสที่ระบุชื่อ ทั้งหมดรันโดยผู้จำหน่าย G​emma: เบนช์มาร์ก 15 รายการขึ้นไป พร้อมแถวด้านภาพ เสียง และบริบทขนาดยาว ทั้งหมดรันโดยผู้จำหน่าย

สิ่งที่ตัวเลขทั้ง 11 ตัวของ Microsoft บอก

การ์ด Aion ตรงไปตรงมากกว่าการเปิดตัวแบบเงียบ ๆ ส่วนใหญ่ โดยระบุว่า Benchmark ต่าง ๆ รันบน lm-evaluation-harness ของ EleutherAI ในกรณีที่มีการ implement งานนั้นไว้ และมิฉะนั้นจะรันบน repository ของ Benchmark นั้นเอง, ระบุว่า GPT-4o เป็นผู้ตัดสินในงานที่ต้องพึ่งผู้ตัดสิน และจากนั้นจึงแสดงคะแนนออกมา: 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

สองรายการนั้นมีตัวระบุเงื่อนไขในคอลัมน์หมายเหตุ — GSM8K คือ {{1}}การจับคู่แบบหลวม{{/1}} และ IFBench คือ {{2}}แบบหลวมระดับพรอมต์{{/2}} — และการ์ดไม่ได้ปิดบังสิ่งเหล่านี้ นี่คือรูปแบบการเปิดเผยข้อมูลที่ทีมการตลาดมักตัดออก แต่ทีมประเมินผลจะเก็บไว้ นอกจากนี้ยังหมายความว่าตัวเลขควรอ่านเป็นขีดจำกัดล่างมากกว่าคำโฆษณา: ค่า 33.35 บน MMLU-Pro และ 28.18 บน GPQA ไม่ใช่ตัวเลขที่ใครจะเลือกนำเสนอเป็นจุดขาย

การ์ดนี้ก็ตรงไปตรงมาเช่นกันเกี่ยวกับสิ่งที่โมเดลทำไม่ได้ ส่วนข้อจำกัดระบุว่าโมเดลขนาดเล็กในระดับนี้ "อาจพลาดรายละเอียดเล็กๆ น้อยๆ ให้ข้อมูลที่คลาดเคลื่อน หรือแสดงให้เห็นว่าไม่สามารถทำตามการให้เหตุผลหลายขั้นตอนที่ซับซ้อนได้" และส่วนข้อแนะนำระบุว่าโมเดล "ไม่ได้ถูกฝึกมาให้เก่งด้านความรู้เกี่ยวกับโลก" นี่เป็นถ้อยคำของผู้ขาย ไม่ใช่ของเรา และสอดคล้องกับคะแนนมากกว่าที่จะขัดแย้งกัน

จริง ๆ แล้วพารามิเตอร์เพิ่มอีกเก้าพันล้านตัวของ Gemma ไปอยู่ที่ไหน

การ์ดของ Gemma 4 12B ระบุค่า MMLU Pro 77.2, GPQA Diamond 78.8, AIME 2026 แบบไม่ใช้เครื่องมือ 77.5, LiveCodeBench v6 72.0, Codeforces ELO 1659, Tau2 เฉลี่ยจากการรันสามครั้งที่ 69.0, BigBench Extra Hard 53.0 และ MMMLU 83.4 นอกจากนี้ยังแสดง MMMU Pro 69.1 และ MATH-Vision 79.7 สำหรับความสามารถด้านภาพ, CoVoST 38.5 และ FLEURS 0.069 สำหรับเสียง และ 55.3 บน RULER ที่ 128K

การนำสิ่งเหล่านั้นไปเทียบกับตารางของ Aion โดยตรงจะไม่ซื่อสัตย์ เพราะแทบไม่มีเบนช์มาร์กใดที่ใช้ร่วมกัน ฮาร์เนสก็ต่างกัน และฝั่งหนึ่งเป็นโมเดลแบบข้อความล้วนที่ถูกให้คะแนนเทียบกับโมเดลแบบหลายรูปแบบในงานที่ให้ผลตอบแทนกับการฝึกที่แตกต่างกัน สิ่งที่พูดได้คือเป็นไปตามทิศทางและตรงไปตรงมา: ในสองแถวที่ชื่อเบนช์มาร์กตรงกัน คือ MMLU-Pro และ MMMLU นั้น G​emma รายงานว่ามากกว่า 43.8 และ 37.9 คะแนนตามลำดับ นั่นไม่ใช่ความแปลกประหลาดของการให้คะแนน แต่คือสิ่งที่พารามิเตอร์ที่เพิ่มขึ้น 9.7 พันล้านตัวและช่วงหลังการฝึกที่ยาวขึ้นอีกเจ็ดเดือนให้มา

ข้อสังเกตที่มีประโยชน์กว่าคือสิ่งที่ G​emma ทำกับขนาดของมัน attention แบบไฮบริดของมันสลับเลเยอร์หน้าต่างเลื่อนแบบโลคอลที่ 1,024 โทเค็นกับ attention แบบโกลบอลเต็มรูปแบบ และเลเยอร์โกลบอลแชร์คีย์และแวลูพร้อมใช้ RoPE แบบสัดส่วน — งานวิศวกรรมที่มุ่งเป้าโดยตรงไปที่การทำให้หน่วยความจำบริบท{long}คงที่ Aion ทำสิ่งทำนองเดียวกันในสเกลที่เล็กกว่า ด้วยหน้าต่างเลื่อนขนาด 2,048 โทเค็นใน 21 จาก 28 เลเยอร์ของมัน ทั้งสองโมเดลกำลังแก้ปัญหาเดียวกัน โดยอันหนึ่งมีงบประมาณมากกว่าห้าเท่าในการแก้ปัญหานี้

ขนาดพื้นที่คือคอลัมน์เดียวที่ Aion ชนะขาด

ที่ bfloat16, Aion-1.0-Instruct-2.3B มีขนาดประมาณ 4.6 GB ส่วน G​emma 4 12B มีขนาดราว 24 GB ก่อนจะแตะตัวควอนไทเซอร์ ซึ่งทำให้มันต้องอยู่บน GPU ของเวิร์กสเตชันหรือแล็ปท็อปที่ควอนไทซ์อย่างหนัก และไม่เหมาะกับโทรศัพท์เลย นั่นไม่ใช่คำวิจารณ์ G​emma — มันไม่เคยถูกออกแบบมาสำหรับโทรศัพท์ตั้งแต่แรก — แต่เป็นเหตุผลทั้งหมดที่โมเดลของ Microsoft มีอยู่ การวางกรอบของการ์ดคือ Windows แบบบนอุปกรณ์: งานด้านข้อความและงานระบบปฏิบัติการ บนเครื่อง โดยที่ข้อมูลไม่เคยออกจากเครื่อง

ข้อแม้ที่ตรงไปตรงมาคือ หน้าต่าง 32K ทำได้ด้วยการสเกล ไม่ใช่ด้วยการฝึกที่ความยาวจริง คอนฟิกบันทึก original_max_position_embeddings ไว้ที่ 2,048 พร้อม YaRN factor 16 เฉพาะบนเลเยอร์ full-attention เท่านั้น และยังไม่มีการเผยแพร่การประเมินบริบทطولของโมเดลนี้ ดังนั้น "32K" จึงเป็นเพดานที่กำหนดค่าไว้ ไม่ใช่ความสามารถที่พิสูจน์แล้ว ส่วน 256K ของ G​emma อย่างน้อยมีแถว RULER รองรับ ซึ่งผู้ขายเป็นผู้รันและอยู่ที่ 55.3 — พอประมาณ แต่มีอยู่จริง

การตัดสินใจเรื่องแฟคตอริ่ง ไม่ใช่การตัดสินใจเรื่องโมเดล

สองตัวนี้อยู่คนละเลเยอร์ของผลิตภัณฑ์เดียวกัน และนั่นคือวิธีที่ทีมมักลงเอยด้วยการใช้มัน Aion-1.0-Instruct-2.3B รับผิดชอบงานบนอุปกรณ์: ปกปิดข้อมูล สรุป เขียนใหม่ จำแนกประเภท และเก็บเอกสารไว้ในเครื่อง G​emma 4 12B รับผิดชอบกรณีที่ต้องอ่านภาพหน้าจอ ถอดข้อความจากคลิปเสียง ถือโค้ดเบสขนาด 100K โทเค็นไว้ในบริบท หรือภาษาที่อยู่นอกเหนือจากแปดภาษาของ Aion ทั้งสองไม่ได้แทนที่กัน และความผิดพลาดที่ต้องหลีกเลี่ยงคือการเลือกโมเดลเล็กสำหรับงานที่ต้องใช้โมเดลใหญ่ เพราะโมเดลเล็กดาวน์โหลดได้ฟรี

เมื่อทั้งสองถูกเรียกใช้จากโค้ดเบสเดียวกัน ต้นทุนในการดำเนินงานไม่ได้อยู่ที่โทเคน — แต่อยู่ที่ SDK ตัวที่สอง นโยบายการลองใหม่ตัวที่สอง และชุดข้อมูลรับรองตัวที่สอง นั่นคือจุดที่เราเตอร์พิสูจน์คุณค่า: OrcaRouter รวม 200+ โมเดล ไว้หลังคีย์เดียวในราคาบวกเพิ่ม 0%เหนือราคาตามรายการของผู้ให้บริการ พร้อมการสลับไปใช้ระบบสำรองอัตโนมัติและ DSL สำหรับกำหนดเส้นทางที่สามารถส่งคำขอไปตามห่วงโซ่ของโมเดลแทนที่จะส่งไปยังโมเดลเดียว เพื่อให้ชัดเจนว่าอะไรอยู่ในและไม่อยู่ในแคตตาล็อกของเราวันนี้: ตระกูล G​emma 4 มีอยู่บางส่วน — รุ่น 26B A4B และ 31B อยู่ในรายการ — ในขณะที่ G​emma 4 12B และ Aion-1.0-Instruct-2.3B ไม่อยู่ เพราะตัวแรกเป็นการเผยแพร่น้ำหนักแบบโฮสต์เอง และตัวที่สองไม่มีปลายทางที่โฮสต์ไว้ที่ใดเลย เหตุผลเรื่องการกำหนดเส้นทางใช้กับรุ่นพี่น้องใด ๆ ของโมเดลเหล่านี้ที่คุณนำมาผสมใช้ด้วยกัน ไม่ใช่กับเช็กพอยต์ทั้งสองนี้เอง

คำสั่งการทยอยเปิดใช้งานที่ล้มเหลวอย่างปลอดภัย

เริ่มต้นด้วย G​emma 4 12B บนเวิร์กโหลดที่คุณมีอยู่แล้ว เพราะคุณสามารถวัดมันได้ การ์ดของมันให้ตัวส่วนแก่คุณ น้ำหนักของมันเสถียร และการถดถอยใด ๆ ที่คุณเห็นคือการถดถอยของคุณเอง ไม่ใช่อาร์ติแฟกต์จากการอัปโหลดเมื่อสามวันก่อน

จากนั้นนำ Aion-1.0-Instruct-2.3B ไปทดสอบกับงานเฉพาะกลุ่มแคบ ๆ ที่คุณตั้งใจจะย้ายไปรันบนอุปกรณ์ — เช่น การสรุปเธรดอีเมล หรือการปกปิดข้อมูลในเอกสาร — โดยใช้ข้อมูลของคุณเองและเกณฑ์ความแม่นยำของคุณเอง อย่าใช้คะแนน MMLU ของมันเป็นตัวแทนสำหรับงานของคุณ การ์ดของโมเดลเองเตือนว่าโมเดลไม่ได้ถูกฝึกมาเพื่อความรู้รอบโลก และคะแนน 55.15 บน MMLU บอกคุณได้มากกว่าเกี่ยวกับเรื่องความรู้ทั่วไปมากกว่าว่าบทสรุปของคุณจะผ่านการตรวจทานหรือไม่

จากนั้นจึงค่อยตัดสินใจว่าการประมวลผลรอบแรกในเครื่องจะแทนที่การเรียกใช้บริการที่โฮสต์ไว้ หรือจะวางอยู่ด้านหน้าแทน รูปแบบที่ได้ผลคือแบบเรียบง่ายที่สุด: โมเดลเล็กทำรอบแรกในเครื่อง โดยมีเกณฑ์ความมั่นใจเป็นตัวควบคุม และส่งเคสที่ยากไปยังโมเดลที่ใหญ่กว่า สิ่งนี้ทำให้คุณได้คุณสมบัติด้านความเป็นส่วนตัวกับปริมาณทราฟฟิกส่วนใหญ่ และรักษาเพดานคุณภาพไว้ในระดับที่จำเป็น

A screenshot of the Gemma 4 12B model card, showing its 11.95B parameter count, 256K-token context, text, image and audio input, the MMLU-Pro score of 77.2 and the Apache 2.0 licence.

การ์ดของ Google ระบุตัวเลขที่การ์ดของ Aion ยังไม่สามารถนำมาเปรียบเทียบได้อย่างเป็นธรรม: MMLU Pro 77.2, GPQA Diamond 78.8, MMMU Pro 69.1 และหน้าต่าง 256K ทั้งหมดเป็นข้อมูลที่ผู้ขายรายงานเอง

อะไรจะทำให้บทความนี้แตกต่างออกไป

การรันฮาร์เนสแบบอิสระของ Aion-1.0-Instruct-2.3B ก็เพียงพอแล้ว ณ เวลาที่เขียน รีพอซิทอรีมีไลก์สามรายการและยอดดาวน์โหลดที่บันทึกไว้เป็นศูนย์ ดังนั้นจึงไม่มีหลักฐานจากชุมชนเลย — ไม่มีกระทู้ในฟอรัม ไม่มีบิลด์แบบควอนไทซ์ และไม่มีการประเมินจากบุคคลที่สาม การ์ดสัญญาว่าจะมีเวอร์ชันควอนไทซ์ตามมา เมื่อมี GGUF ออกมา เรื่องราวในเครื่องก็จะไม่เป็นทฤษฎีอีกต่อไป และยอดดาวน์โหลดก็จะเริ่มมีความหมาย

จนถึงตอนนั้น การเปรียบเทียบก็ยังคงอยู่ที่เดิม: G​emma 4 12B เป็นที่รู้จักกันดีและมีต้นทุนจริง ส่วน Aion-1.0-Instruct-2.3B เป็นโมเดลที่เล็กมาก ใหม่มาก และมีเอกสารอธิบายอย่างตรงไปตรงมา ซึ่งคุณสมบัติที่มีค่าที่สุดของมันคือการทำงานในพื้นที่ที่เครือข่ายเข้าไม่ถึง

A screenshot of the Hugging Face model card for microsoft/Aion-1.0-Instruct-2.3B, showing the description of the foundational Small Language Model for the Windows ecosystem, the 32,768-token context, the eleven published benchmarks including MMLU-Pro 33.35, and the note that a further optimised version becomes the Windows OS SLM by the end of January 2027.

การ์ดของ Microsoft เป็นแหล่งที่มาของจำนวนพารามิเตอร์ 2.29B ภาษาที่รองรับแปดภาษา และวันตัดข้อมูลความรู้ 2025-12; การประทับเวลาของการ์ดเป็นสัญญาณการเปิดตัวเดียวที่มีอยู่

A generated two-column scoreboard comparing Aion-1.0-Instruct-2.3B, with 2.29B parameters, a 32,768-token context, text-only input, roughly 4.6 GB in bfloat16, MMLU-Pro 33.35 and 3 likes on day one, against Gemma 4 12B, with 11.95B parameters, a 256K context, text, image and audio input, roughly 24 GB, MMLU-Pro 77.2 and over a million downloads. Footnoted that both sets are vendor-reported and independently unreproduced, and that the MMLU-Pro rows were not run on a shared harness.

เมื่อเทียบกันแบบเคียงข้าง: มิติที่ Aion ชนะ (footprint) และมิติที่ Aion ไม่ได้ชนะ (บริบท โมดัลลิตี ภาษา และความลึกของหลักฐานเบื้องหลังตัวเลข)

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube