Gemma 4 12B: เจาะลึกโมเดล 12B ที่ไม่มี Encoder ของ Google

Gemma 4 12Bเป็นสมาชิกระดับกลางของตระกูล Gemma 4 จาก DeepMind: โมเดลแบบ dense น้ำหนักเปิด 11.95 พันล้านพารามิเตอร์ ที่อ่านข้อความ รูปภาพ เสียง และเฟรมวิดีโอ แล้วเขียนข้อความได้ และการตัดสินใจเชิงวิศวกรรมที่นิยามตัวมันก็คือ มันไม่มีตัวเข้ารหัสมัลติโมดัลเลยแม้แต่ตัวเดียว มันอยู่ระหว่างGemma 4 E4Bที่เน้นการทำงานบนอุปกรณ์ปลายทาง กับGemma 4 26B A4Bที่ใหญ่กว่าและเบาบางกว่า บันทึกการเปิดตัวระบุว่าหน้าที่ของมันคือการนำงานมัลติโมดัลแบบเอเจนต์มาสู่แล็ปท็อป — การให้เหตุผล การใช้เครื่องมือ การเขียนโค้ด และความเข้าใจเอกสารหรือหน้าจอ ที่ทำงานบนเครื่องตรงหน้าคุณแทนที่จะผ่านการเชื่อมต่อแบบคิดค่าบริการตามปริมาณการใช้งาน มันยังเป็นขนาดที่รองรับพื้นที่ใช้งานจริงทั้งหมดของตระกูลนี้บนเว็บไซต์ของเราเอง: มีหน้าสำหรับเปรียบเทียบสามหน้าเขียนเกี่ยวกับมัน และจนถึงหน้านี้ ก็ยังไม่มีหน้าใดเกี่ยวกับตัวโมเดลเอง

การกลับด้านนี้ควรเอ่ยถึงตั้งแต่ต้น เพราะมันอธิบายรูปร่างของทุกอย่างด้านล่างนี้ ผู้อ่านไม่ได้มาถึง Gemma 4 12B ในแบบที่พวกเขามาถึงรุ่นเรือธง พวกเขามาถึงแบบอ้อม ๆ โดยปกติมาจากหน้าเปรียบเทียบแบบจับคู่ และบ่อยครั้งเพราะคำถามจริง ๆ คือ Gemma 4 ขนาดไหน — และพวกเขาอยากรู้ว่าฝั่งซ้ายของการเปรียบเทียบนั้นจริง ๆ แล้วคืออะไร ก่อนที่พวกเขาจะเสียการดาวน์โหลดไปกับมัน การค้นหาที่เราวัดสำหรับชื่อนี้เป็นการเปรียบเทียบแทบทั้งหมด; คำเปล่า ๆ ลำพังนั้นเบาบาง ดังนั้นนี่คือหน้าอ้างอิง: 12B คืออะไร การ์ดโมเดลของมันระบุว่าอะไร ต้องใช้อะไรจึงจะรันได้ ใบอนุญาตของมันอนุญาตอะไร และในสามการเปรียบเทียบที่มีอยู่นี้ อันใดตอบคำถามที่คุณมาด้วยได้แล้ว

นี่ไม่ใช่ข่าวการเปิดตัว และไม่ควรอ่านในฐานะข่าวการเปิดตัว Gemma 4 12Bเปิดตัวเมื่อวันที่ 3 มิถุนายน 2026 — 132 วันก่อนหน้านี้ — และไม่มีสิ่งใดเกี่ยวกับโมเดลนี้ที่เปลี่ยนแปลงไปในเจ็ดวันก่อนการเผยแพร่ วันที่ดังกล่าวมาจากบันทึกการเปิดตัวของผู้จำหน่ายเอง และถูกใช้ที่นี่เพื่อระบุตำแหน่งของโมเดลในเชิงเวลา มากกว่าที่จะประกาศการเปิดตัว

12B คืออะไร และแตกต่างจาก 26B A4B ตรงไหน

ตระกูล Gemma 4 มีห้าขนาด และทั้งห้าไม่ได้เป็นห้าจุดบนเส้นเดียวกัน การ์ดโมเดลระบุรุ่นเหล่านี้ว่าเป็น E2B, E4B, 12B Unified, 26B A4B และ 31B, และพวกมันแยกออกเป็นสองสถาปัตยกรรม: โมเดลแบบ dense สามตัวและแบบ mixture-of-experts หนึ่งตัว โดยรุ่นขนาด E ใช้ per-layer embeddings เพื่อลดขนาดสิ่งที่รันจริงบนอุปกรณ์

Gemma 4 12Bเป็นโมเดลแบบ dense การ์ดโมเดลระบุว่ามีพารามิเตอร์ทั้งหมด 11.95B กระจายอยู่ทั่ว 48 เลเยอร์ พร้อมหน้าต่างเลื่อนขนาด 1,024 โทเค็นและบริบทขนาด 256K โทเค็น Gemma 4 26B A4Bในทางตรงกันข้าม เป็นโมเดลแบบ mixture-of-experts ของตระกูลนี้: มีพารามิเตอร์ทั้งหมด 25.2B แต่มีเพียง 3.8B ที่ทำงานต่อโทเค็น กระจายอยู่ทั่ว 30 เลเยอร์ โดยมี 8 ผู้เชี่ยวชาญที่ทำงานอยู่จากทั้งหมด 128 ตัว บวกกับผู้เชี่ยวชาญที่ใช้ร่วมกันอีก 1 ตัว "A" ในชื่อคือหัวใจทั้งหมดของชื่อนี้ — โมเดลแบกน้ำหนักไว้ 26B และจ่ายสำหรับน้ำหนักประมาณ 4B ในแต่ละ forward pass ซึ่งเป็นเหตุผลที่การ์ดโมเดลระบุว่ามันทำงานได้เกือบเร็วเท่าโมเดล 4B ในขณะที่ถือองค์ความรู้ไว้มากกว่ามาก

ดังนั้น ความแตกต่างแบบตรงไปตรงมาในหนึ่งบรรทัดก็คือแบบนี้ 26B A4B คือขนาดที่คุณเลือกเมื่อคุณต้องการความสามารถสูงสุดต่อหน่วยความหน่วง และคุณมีเวิร์กสเตชันหรือเซิร์ฟเวอร์ไว้ติดตั้งมัน 12B คือขนาดที่คุณเลือกเมื่อเครื่องเป็นแล็ปท็อปและงบประมาณคือหน่วยความจำ 16GB บันทึกการเปิดตัววางตำแหน่ง 12B ว่าเป็นสะพานเชื่อมระหว่าง E4B กับ 26B A4B และเอกสารสเปกก็ยืนยันเช่นนั้น

ความแตกต่างที่น่าสนใจกว่าคือในเชิงสถาปัตยกรรม และนั่นคือเหตุผลที่ 12B ถูกติดป้ายว่า "Unified" แทนที่จะเป็นเพียง "Dense" โมเดลหลายรูปแบบอื่นทุกตัวในตระกูลนี้จะส่งภาพและเสียงผ่านเอนโคเดอร์เฉพาะทางก่อนจะมอบผลลัพธ์ให้โมเดลภาษา — การ์ดระบุเอนโคเดอร์ภาพขนาด ~150M และเอนโคเดอร์เสียงขนาด ~300M ในรุ่น E-sizes และเอนโคเดอร์ภาพขนาด ~550M ทั้งใน 31B และ 26B A4B ส่วน 12B ไม่มีทั้งสองอย่าง คอลัมน์สำหรับพารามิเตอร์เอนโคเดอร์ภาพและเสียงของ 12B แสดงเป็นเครื่องหมายขีดในทั้งสองกรณี

สิ่งที่เข้ามาแทนที่นั้นมีขนาดเล็ก โพสต์เปิดตัวอธิบายว่า vision เป็นโมดูล embedding แบบน้ำหนักเบา — การคูณเมทริกซ์ครั้งเดียว บวกกับ positional embedding และการทำ normalisation — และ audio เป็นการตัด encoder ออกทั้งหมดแล้วฉายสัญญาณดิบเข้าสู่ปริภูมิมิติเดียวกับ text token แพตช์ภาพดิบและรูปคลื่นเสียงจะถูกป้อนตรงเข้าสู่ transformer แบบ decoder-only ตัวเดียว ผลตอบแทนที่ระบุไว้คือความหน่วงแบบมัลติโมดัลที่ต่ำลง และความสามารถในการ fine-tune ทั้งหมดในรอบเดียว ข้าม modalities ด้วย adapter ตัวเดียว แทนที่จะเป็นหนึ่งตัวต่อ encoder หนึ่งตัว

นั่นก็เป็นเหตุผลเช่นกันว่าทำไม 12B จึงเป็น Gemma ขนาดกลางรุ่นแรกที่มีอินพุตเสียงแบบเนทีฟ บนการ์ด แถวโมดัลลิตีสำหรับ E2B, E4B และ 12B คือ "ข้อความ รูปภาพ เสียง" ส่วน 31B และ 26B A4B ถูกระบุว่าเป็น "ข้อความ รูปภาพ" เท่านั้น

ข้อกำหนด ตามที่การ์ดโมเดลระบุไว้

ทุกอย่างในส่วนนี้มาจากการ์ดโมเดล Gemma 4 บน ai.google.dev ซึ่งครอบคลุมทั้งตระกูล ไม่ใช่เฉพาะ 12B เพียงอย่างเดียว ในจุดที่การ์ดไม่ได้ระบุไว้ จะมีการบันทึกไว้แทนที่จะเติมข้อมูลลงไป

• ความยาวบริบท — 256K โทเค็นบน 12B การ์ดระบุการแบ่งอย่างชัดเจน: โมเดลขนาดเล็ก (E2B, E4B) ได้ 128K ส่วนโมเดลขนาดกลาง (12B, 26B A4B, 31B) ได้ 256K

• โมดาลิตี — อินพุตข้อความ รูปภาพ และเสียง; เอาต์พุตข้อความ การ์ดระบุวิดีโอเป็นความสามารถระดับตระกูลที่ประมวลผลเป็นลำดับเฟรม และอธิบายอินพุตรูปภาพที่อัตราส่วนภาพและความละเอียดผันแปรในทุกขนาด

• จำนวนพารามิเตอร์ทั้งหมด — 11.95B, แบบ dense, 48 เลเยอร์ การ์ดนี้ไม่ระบุค่าพารามิเตอร์ที่ใช้งานจริง เพราะไม่มี expert ให้เปิดใช้งาน

• หน้าต่างเลื่อน — 1,024 โทเคน เป็นสองเท่าของ 512 ที่ E-sizes ใช้

• คำศัพท์ — 262K ใช้ร่วมกันในทั้งห้าขนาด

• แอตเทนชัน — ไฮบริดที่สลับแทรกแอตเทนชันแบบหน้าต่างเลื่อนเฉพาะที่เข้ากับแอตเทนชันแบบทั่วโลกเต็มรูปแบบ โดยเลเยอร์สุดท้ายจะเป็นแบบทั่วโลกเสมอ เลเยอร์แบบทั่วโลกใช้คีย์และแวลูที่รวมเป็นหนึ่งเดียว บวกกับ RoPE แบบสัดส่วน เพื่อจำกัดการใช้หน่วยความจำในบริบทที่ยาว

• ภาษา — ผ่านการฝึกด้วยข้อมูลล่วงหน้าจากกว่า 140 ภาษา โดยการ์ดระบุว่ารองรับมากกว่า 35 ภาษาได้ทันทีโดยไม่ต้องตั้งค่าเพิ่มเติม

ตัวเลขสองตัวที่ควรนำมาทำให้สอดคล้องกัน เพราะดูเหมือนขัดแย้งกันแต่แท้จริงไม่ใช่ การ์ดโมเดลระบุ 256K โทเค็น; หน้าโมเดลของ Artificial Analysis สำหรับ Gemma 4 12B ระบุ 262k ทั้งสองเป็นค่าเดียวกันที่เขียนต่างกันสองแบบ — 262,144 โทเค็นคือ 256K — และตัวเลขคำศัพท์ 262K บนการ์ดที่อยู่ใกล้ ๆ นั่นแหละที่ทำให้คู่นี้ดูขัดแย้งกันเมื่อมองแวบเดียว

บนเบนช์มาร์ก การ์ดได้เผยแพร่ตารางตระกูลสำหรับเช็กพอยต์ที่ปรับแต่งด้วยคำสั่ง และตัวเลขเหล่านี้เป็นตัวเลขที่ผู้ขายรายงานเอง ไม่ใช่ตัวเลขจากแหล่งอิสระ สำหรับ Gemma 4 12B การ์ดระบุ 77.2% บน MMLU Pro, 78.8% บน GPQA Diamond, 77.5% บน AIME 2026 โดยไม่ใช้เครื่องมือ, 72.0% บน LiveCodeBench v6, Codeforces ELO 1659, 69.1% บน MMMU Pro และ 43.4% บน MRCR v2 ที่ 128K โดยมีเข็มแปดอัน ตารางเดียวกันนี้จัดให้ Gemma 4 26B A4B อยู่ที่ 82.6% MMLU Pro, 88.3% AIME, 77.1% LiveCodeBench และ 44.1% MRCR — นำในแถวส่วนใหญ่ ซึ่งเป็นสิ่งที่คุณคาดว่าจะได้จากโมเดลที่ใหญ่กว่า และใกล้เคียงกันในบางแถวมากพอจนช่องว่างด้านขนาดไม่ใช่เรื่องราวทั้งหมด

การประเมินจากภายนอกโดย Artificial Analysis มีข้อสรุปเดียว: คะแนน Intelligence Index อยู่ที่ 14 อยู่ในอันดับ 20 จาก 141 โมเดลในกลุ่มเปรียบเทียบของตน โดยมีความเร็วเอาต์พุตที่วัดได้ 110.9 โทเคนต่อวินาที และต้นทุนรวมที่ 0.10 ดอลลาร์ต่อล้านโทเคนอินพุต และ 0.30 ดอลลาร์ต่อล้านโทเคนเอาต์พุต ตัวเลขต้นทุนเหล่านั้นเป็นค่ามัธยฐานจากแพลตฟอร์มบุคคลที่สามที่ให้บริการน้ำหนักเปิด ไม่ใช่ราคาตามรายการของผู้จำหน่าย — ตรงนี้ควรพูดให้แม่นยำ เพราะผู้จำหน่ายไม่ได้เผยแพร่ราคาต่อโทเคนสำหรับรุ่น 12B บนการ์ดโมเดลเลย

การรันมัน: สิ่งที่มันต้องการจริง ๆ

โพสต์เปิดตัวระบุข้อกำหนดหลักโดยตรงว่า 12B นั้น "เล็กพอที่จะรันในเครื่องได้ด้วย VRAM เพียง 16GB หรือหน่วยความจำแบบรวม" ขนาดการควอนไทซ์ที่เผยแพร่สำหรับโมเดลนี้ทำให้เรื่องนั้นเป็นรูปธรรมชัดเจน

• ความแม่นยำเต็มรูปแบบ — เช็กพอยต์ที่ปรับแต่งตามคำสั่งบน Hugging Face เป็นไฟล์ safetensors เดียวขนาด 23.92 GB ที่ bfloat16 นั่นคือปริมาณหน่วยความจำของน้ำหนักดิบ ก่อนจะมี KV cache ใด ๆ ดังนั้นเครื่อง 16GB จึงเก็บไว้ไม่ได้ และการ์ด 24GB ก็ยังคับแคบ

• บิลด์แบบควอนไทซ์ของผู้จำหน่ายเอง — เพราะ 12B มาพร้อมกับการฝึกที่รู้การควอนไทซ์ (quantisation-aware training) ไม่ใช่แค่ตัวควอนไทซ์แบบ post-hoc เท่านั้น ผู้จำหน่ายเผยแพร่ QAT GGUF ที่ขนาดประมาณ 6.98 GB สำหรับเวต บวกไฟล์ multimodal projection ขนาด 0.18 GB และบิลด์ QAT compressed-tensors (w4a16) ขนาด 10.26 GB นอกจากนี้ยังมีเช็กพอยต์ QAT ที่ยังไม่ควอนไทซ์ ซึ่งเผยแพร่โดยเฉพาะเป็นฐานสำหรับ fine-tune ก่อนจะควอนไทซ์ใหม่

• GGUF จากชุมชน — บิลด์ Unsloth ที่ถูกมิเรอร์แพร่หลายมีขนาดตั้งแต่ประมาณ 4.2 GB ที่การควอนไทซ์ 2-bit แบบก้าวร้าวที่สุด ไปจนถึง 6.38 GB ที่ IQ4_XS, 7.12 GB ที่ Q4_K_M, 8.41 GB ที่ Q5_K_M และ 12.67 GB ที่ Q8_0 ส่วนมิเรอร์ของ LM Studio เผยแพร่ Q4_K_M ที่ 7.38 GB, Q6_K ที่ 9.79 GB และ Q8_0 ที่ 12.67 GB โดยแต่ละตัวมีไฟล์ projection ขนาด 0.18 GB เหมือนกัน

• MLX — บิลด์ควอนไทซ์ 8 บิตสำหรับ Apple silicon มีขนาดราว 12.7 GB กระจายอยู่ในสามไฟล์ ส่วนบิลด์ชุมชนแบบ 4 บิตของไฟน์จูนสำหรับเขียนโค้ดมีขนาดใกล้ 6.7 GB

เมื่ออ่านรวมกัน นั่นคือคำตอบเชิงปฏิบัติสำหรับคำถามที่ว่า "อันนี้จะพอดีไหม" Gemma 4 12Bเวอร์ชัน 4-bit ขนาดประมาณ 7 GB คือเวอร์ชันที่ทำให้แล็ปท็อป 16GB ใช้งานได้ ตรงตามที่ผู้ขายอ้างไว้เป๊ะ ถ้าคุณต้องการโมเดลแบบไม่ควอนไทซ์ เป้าหมายคือการ์ด 24GB ขึ้นไป และถ้าคุณต้องการบริบทเต็ม 256K คุณต้องมีพื้นที่เผื่อเพิ่มจากขนาดที่น้ำหนักโมเดลใช้ไปสำหรับแคช

สองสิ่งที่แหล่งข้อมูลไม่ได้บอกคุณ และเป็นสิ่งที่หน้านี้จะไม่กุขึ้นเอง ไม่มีตัวเลขทรูพุตสำหรับการอินเฟอเรนซ์ภายในเครื่องที่ผู้จำหน่ายเผยแพร่ — ตัวเลข 110.9 โทเคนต่อวินาทีจาก Artificial Analysis เป็นการวัดแบบโฮสต์บนโครงสร้างพื้นฐานของบุคคลที่สาม ไม่ใช่ตัวเลขจากแล็ปท็อป และทั้งสองอย่างใช้แทนกันไม่ได้ และไม่มีตาราง RAM ขั้นต่ำที่เผยแพร่ต่อการควอนไทเซชันแต่ละแบบ ขนาดข้างต้นเป็นขนาดไฟล์ ซึ่งเป็นเพียงขอบล่าง ไม่ใช่ข้อกำหนด

สิ่งที่การ์ดโมเดลบันทึกไว้จริง ๆ คือชุดเครื่องมือโดยรอบ มากกว่าจะเป็นรันไทม์ใดรันไทม์หนึ่งที่ได้รับการรับรอง: Hugging Face Transformers, llama.cpp, MLX, SGLang, vLLM และ Unsloth สำหรับการอนุมานและการปรับละเอียด โดยมี LM Studio, Ollama และ LiteRT-LM เป็นเส้นทางโลคัลแบบแพ็กเกจ และเวตอยู่บน Hugging Face และ Kaggle 12B ยังมาพร้อมกับดราฟเตอร์การทำนายหลายโทเคน ซึ่งเผยแพร่เป็นเช็กพอยต์ผู้ช่วยแยกต่างหาก — เป็นการดาวน์โหลดเพิ่มเติมเล็กน้อยที่แลกหน่วยความจำกับความหน่วง

ข้อเท็จจริงเรื่องการกำหนดเส้นทางหนึ่งข้อ ซึ่งกล่าวไว้ตรง ๆ เพราะเป็นเรื่องที่หน้าเปรียบเทียบมักทิ้งไว้ให้คลุมเครือ: Gemma 4 12Bไม่ใช่โมเดลที่ OrcaRouter ให้บริการ ไม่ว่าจะสะกดแบบใด — ไม่ใช่ชื่อเปล่า ๆ ไม่ใช่รุ่นที่มีวันที่กำกับ และไม่ใช่เวอร์ชันควอนไทซ์ ขนาดของ Gemma 4 ที่เราให้บริการคือ 26B A4B และ 31B ดังนั้นหากคุณต้องการเรียกใช้โมเดลนี้ การโฮสต์น้ำหนักด้วยตัวเองหรือใช้ผู้ให้บริการบุคคลที่สามที่ให้บริการน้ำหนักเหล่านี้คือเส้นทางนั้น หากคุณไม่อยากรันเอง ขั้นตอนถัดไปที่ซื่อตรงคือตรวจสอบว่าขนาดอื่นของตระกูลเดียวกันให้สิ่งที่คุณต้องการได้หรือไม่

ใบอนุญาต สำหรับขนาดนี้โดยเฉพาะ

การ์ดโมเดล Gemma 4 ระบุว่าสัญญาอนุญาตคือ Apache 2.0 และลิงก์ไปยังหน้าสัญญาอนุญาตของ Gemma 4 ซึ่งให้ข้อความ Apache 2.0 — สัญญาอนุญาต Apache มาตรฐาน โดยไม่มีเพดานการใช้งาน ไม่มีเกณฑ์ผู้ใช้ที่ใช้งานต่อเดือน และไม่มีระดับเชิงพาณิชย์แยกต่างหาก รีโพซิทอรี Hugging Face สำหรับเช็กพอยต์แบบ instruction-tuned ขนาด 12B มีคำประกาศเดียวกันในเมทาดาทา และชี้ไปยัง URL สัญญาอนุญาตเดียวกัน ดังนั้นสำหรับขนาดนี้ คำถามเรื่องสัญญาอนุญาตมีคำตอบสั้น ๆ ว่า ใช้ได้ แก้ไขได้ เผยแพร่ต่อได้ ไม่ว่าเพื่อการค้าหรืออื่น ๆ ภายใต้เงื่อนไขของ Apache 2.0

มีเอกสารประกอบอีกสองฉบับอยู่เคียงข้างกัน และน่าจะรู้จักไว้มากกว่าที่จะนำไปสับสนกับสัญญาอนุญาต ผู้จำหน่ายเผยแพร่หน้า Gemma Terms of Use และ Gemma Prohibited Use Policy นโยบายการใช้งานต้องห้ามเป็นเอกสารเชิงพฤติกรรมที่ระบุหมวดหมู่ของผลลัพธ์ที่โมเดลต้องไม่ถูกนำไปใช้สร้าง มันเป็นนโยบาย ไม่ใช่ข้อจำกัดจากสัญญาอนุญาตบนน้ำหนักโมเดล — ตัวน้ำหนักโมเดลเองอยู่ภายใต้ Apache 2.0 ซึ่งเป็นสิ่งที่ทำให้อนุพันธ์จากชุมชนของโมเดลนี้เป็นไปได้ตั้งแต่แรก หากคุณกำลังแจกจ่าย Gemma 4 12B หรือไฟน์จูนของมัน สัญญาอนุญาตคือสิ่งที่กำกับการแจกจ่ายของคุณ ส่วนนโยบายคือสิ่งที่กำกับการใช้งานที่ยอมรับได้

ความแตกต่างนี้ตอบคำถามที่ระบบนิเวศโมเดลอนุพันธ์ของชุมชนยกขึ้นมา โดยไม่จำเป็นต้องจำแนกลักษณะพฤติกรรมของใคร เนื่องจากน้ำหนักเปิดภายใต้สัญญาอนุญาตแบบผ่อนปรน บุคคลที่สามจึงสามารถและได้เผยแพร่ไฟน์จูนและการควอนไทซ์ของ 12B — ตัวแปรแบบ abliterated ไฟน์จูนเฉพาะโดเมน และสูตรการควอนไทซ์ทางเลือก สิ่งที่สัญญาอนุญาตอนุญาตคือการเผยแพร่ต่ออนุพันธ์เหล่านั้น สัญญาอนุญาตยังเป็นเหตุผลที่อนุพันธ์เหล่านี้มีอยู่ด้วย

การเปรียบเทียบทั้งสามรายการที่หน้านี้อยู่ด้านหลัง

หน้าที่ยังใช้งานได้ทั้งสามหน้าภายใต้สเต็มนี้เป็นแมตช์อัป และแต่ละหน้าได้ตอบคำถามคนละข้ออยู่แล้ว หน้านี้ไม่ได้ชี้ขาดแมตช์อัปใด ๆ เหล่านั้น — มันคือสิ่งที่แมตช์อัปเหล่านั้นอธิบาย

• Gemma 4 12B vs Gemini 3.5 Flash-Lite — ชี้ชัดว่าเกิดอะไรขึ้นเมื่อทั้งสองตัวเลือกเป็นของเจ้าของรายเดียวกัน และแกนเปรียบเทียบคือวิธีที่คุณจ่ายเงิน: โมเดลที่คุณดาวน์โหลดได้ภายใต้ Apache 2.0 เทียบกับระดับที่คิดค่าบริการแบบมิเตอร์ที่ถูกที่สุดของ API แบบโฮสต์

• Gemma 4 12B กับ GLM 5.2 — ชี้ขาดการจับคู่ที่อสมมาตรสุดขั้ว: โมเดล 12B ที่ไร้ encoder ซึ่งเอาไปวางบนแล็ปท็อป เทียบกับโมเดล open-weight แบบ mixture-of-experts ขนาด 744B พารามิเตอร์ ที่สร้างมาเพื่องานเขียนโค้ดแบบ agentic ระยะยาว ในราคาที่สูงกว่าหลายเท่าตัว

• Gemma 4 12B กับ Qwen3.8 Max — ตัดสินคำถามเรื่องบนอุปกรณ์กับการเช่าใช้ได้ตรงประเด็น: เครื่องที่วางอยู่บนโต๊ะคุณ เทียบกับเรือธงจากแล็บเดียวกันที่ให้บริการแบบคิดตามโทเคน

ถ้าสิ่งที่คุณต้องการจริง ๆ คือขนาดอื่นของ Gemma 4 แทนที่จะเป็นการจับคู่กับ 12B อีกครั้ง หน้าที่ครอบคลุมทั้งห้าขนาดในคราวเดียวคือศูนย์รวมของตระกูล ซึ่งเป็นที่ที่ E2B, E4B, 26B A4B และ 31B ถูกอธิบายไว้ด้วยกัน และถ้าคุณตัดสินใจแล้วว่า 12B ไม่ใช่ขนาดที่ใช่ โมเดลที่มักถูกนำมาเปรียบเทียบด้วยบ่อยที่สุด — GLM 5.2, Qwen3.8 Max และ Gemini 3.5 Flash-Lite — ล้วนเข้าถึงได้ผ่าน OrcaRouter ด้วยคีย์เดียว โดยมีส่วนเพิ่ม 0% จากราคาตามรายการของผู้ให้บริการเอง ดังนั้นเมื่อผู้ขายประกาศลดราคา ราคาที่นี่ก็จะปรับตามในวันเดียวกัน

อะไรที่ยังไม่ยุติ

มีช่องว่างสองจุดที่ควรระบุไว้มากกว่าจะกลบเกลื่อน ตารางเบนช์มาร์กด้านบนเป็นข้อมูลที่ผู้ขายรายงานเอง — การ์ดและชุดการประเมินของผู้ขายเอง — และแม้ว่า Artificial Analysis จะให้คะแนนโมเดลนี้อย่างอิสระที่ Intelligence Index 14 แล้ว แต่ก็ยังไม่มีการทำซ้ำอย่างอิสระในวงกว้างสำหรับตัวเลขรายเบนช์มาร์ก ดังนั้นให้ถือว่าตัวเลขระดับแถวเป็นข้อกล่าวอ้าง และไม่มีตารางหน่วยความจำต่อการควอนไทซ์ที่เผยแพร่สำหรับ 12B ซึ่งหมายความว่าประโยค "16GB ก็เพียงพอ" เป็นข้อกล่าวอ้างของผู้ขายที่มีขนาดไฟล์สนับสนุน ไม่ใช่การกำหนดค่าที่วัดได้ซึ่งคุณสามารถลอกเลียนแบบได้

การวางตำแหน่งของโมเดลนี้ทำได้ง่าย: เป็นโมเดลมัลติโมดัลขนาด 12B พารามิเตอร์ที่ไม่ใช้เอนโคเดอร์ ภายใต้สัญญาอนุญาต Apache 2.0 ลงวันที่ 3 มิถุนายน 2026 ซึ่งจะรันบนแล็ปท็อปที่ 4-bit และเป็นขนาด Gemma 4 ที่เล็กที่สุดที่มีเสียงแบบเนทีฟ สิ่งที่มันไม่ใช่คือโมเดลที่มีอัตราค่าบริการแบบโฮสต์จากผู้ให้บริการรายแรก ซึ่งเป็นเหตุผลว่าการตัดสินใจในทางปฏิบัติเกี่ยวกับมันจึงเป็นการตัดสินใจเรื่องฮาร์ดแวร์ก่อน และเป็นการตัดสินใจเรื่องราคาเป็นลำดับถัดมา

หากคุณมาที่นี่จากการจับคู่ และการจับคู่นั้นไม่ใช่การจับคู่ที่คุณต้องการ หน้าถัดไปคือการเปรียบเทียบที่ตรงกับคำถามของคุณ และหากยังไม่ใช่ ตระกูล Gemma 4 ที่กว้างกว่าก็เป็นทางเลือกถัดไป — 12B เป็นหนึ่งในห้าขนาด และขนาดที่คุณต้องการจริง ๆ อาจเป็น 26B A4B ที่คุณเรียกใช้ได้วันนี้ หรือ 31B ที่คุณรันได้ที่ปลายบนของช่วงขนาดในตระกูลนี้