SubQ Snap 1.1 กับ Gemma 4 12B: ตัวตัดสินเฉพาะทางกับโมเดลอเนกประสงค์แบบเปิด

ถามทั้งSubQ Snap 1.1และGemma 4 12Bว่าจากตั๋วสนับสนุนห้าร้อยใบ ใบใดเป็นคำขอคืนเงิน และทั้งสองจะให้คำตอบที่ใช้งานได้ มีเพียงตัวเดียวเท่านั้นที่จะบอกคุณเป็นรายตั๋วว่ามั่นใจแค่ไหน และมีเพียงตัวเดียวเท่านั้นที่ดาวน์โหลดและรันบนฮาร์ดแวร์ที่คุณเป็นเจ้าของได้ นั่นคือการเปรียบเทียบทั้งหมด และเหตุผลที่มันไม่ได้ลงเอยด้วยผู้ชนะก็คือ สองโมเดลนี้ไม่ได้อยู่ในหมวดหมู่ผลิตภัณฑ์เดียวกันจริง ๆ Snap 1.1 เป็นโมเดลตัดสินใจที่เปิดตัวโดย Subquadratic เมื่อวันที่ 22 ตุลาคม 2026 โดยให้คะแนนตัวเลือกชุดคงที่และไม่สร้างข้อความ ส่วน Gemma 4 12B เป็นโมเดลอเนกประสงค์แบบน้ำหนักเปิดของ Google DeepMind เป็นโมเดล dense ประมาณ 12,000 ล้านพารามิเตอร์ภายใต้ Apache 2.0 ที่อ่านข้อความ รูปภาพ เสียง และวิดีโอ แล้วเขียนข้อความตอบกลับ

หากมองว่าสองสิ่งนี้ใช้แทนกันได้ คุณจะพลาดด้วยความผิดพลาดหนึ่งในสองแบบ คือการจ่ายในอัตราค่า API สำหรับตัวจำแนกประเภทที่คุณสามารถรันบนแล็ปท็อปได้เอง หรือการพยายามดึงการกำหนดเส้นทางแบบมีโครงสร้างออกมาจากโมเดลที่ไม่เคยถูกฝึกให้ละเว้นการตอบเลย แต่หากมองว่ามันเป็นสองชั้นของไปป์ไลน์เดียวกัน ทั้งสองก็เข้ากันได้ค่อนข้างดีทีเดียว

แต่ละอย่างจริงๆ แล้วคืออะไร

Gemma 4 12B เป็นรุ่นกลางของตระกูล Gemma 4 โดยอยู่ระหว่างรุ่น E2B และ E4B ที่ใช้งานบนอุปกรณ์ กับรุ่นระดับ 26B-A4B และ 31B จุดเด่นด้านสถาปัตยกรรมที่สำคัญคือเป็นแบบไร้เอนโคเดอร์: แพตช์ภาพและรูปคลื่นเสียงจะถูกฉายตรงเข้าสู่แกนหลักทางภาษา แทนที่จะผ่านเอนโคเดอร์ภาพและเสียงแยกกัน มีให้ใช้งานทั้งในรูปแบบการให้เหตุผลและแบบที่ไม่ให้เหตุผล เผยแพร่ภายใต้ Apache 2.0 และเป็นโมเดลประเภทที่ทีมเลือกใช้เพราะสามารถปรับแต่งละเอียด ควอนไทซ์ ฝัง และนำออกเผยแพร่ได้โดยไม่ต้องขออนุญาตใคร ผู้ติดตามความเคลื่อนไหวให้ข้อมูลวันเปิดตัวที่แน่นอนไม่ตรงกัน — Artificial Analysis และ BenchLM ระบุว่า 3 มิถุนายน 2026 ส่วน llm-stats ระบุว่า 23 พฤษภาคม — ซึ่งเป็นเครื่องเตือนใจเล็ก ๆ ว่าแม้แต่ข้อเท็จจริงที่น่าเบื่อเกี่ยวกับการเปิดตัวแบบเปิดก็ยังถูกเล่าซ้ำแตกต่างกันไป ขึ้นอยู่กับว่าใครเป็นคนนับ

SubQ Snap 1.1 ถูกออกแบบให้มีขอบเขตแคบลงอย่างจงใจ โดยรับข้อความและรูปภาพได้สูงสุด 384K โทเค็น พร้อมชุดคำตอบที่แอปพลิเคชันกำหนด — หนึ่งถึงสิบหกคำถาม และสองถึง 255 ตัวเลือกต่อคำถาม — แล้วส่งคืนตัวเลือกหนึ่งรายการพร้อมความน่าจะเป็น ไม่มีเอาต์พุตข้อความอิสระให้ต้องแยกวิเคราะห์ ไม่มีสคีมา JSON ให้ต้องบังคับใช้ และโมเดลไม่มีทางตอบคำถามที่คุณไม่ได้เสนอให้ ข้อโต้แย้งของ Subquadratic คือ นี่เป็นงานเชิงคำนวณที่แตกต่างจากการสร้างข้อความ และสถาปัตยกรรมแบบ sparse-attention สามารถทำงานนี้ได้ด้วยการใช้คอมพิวต์คงที่ต่อโทเค็น แทนที่จะต้องจ่ายค่าความสนใจแบบกำลังสองทั่วเอกสารขนาด 300K โทเค็น

สเปก เทียบเคียงกัน

• บริบท — SubQ Snap 1.1 รองรับ 384K โทเค็นในการประมวลผลครั้งเดียว; Gemma 4 12B รองรับ 256K (262,144)

• รูปแบบอินพุต — Snap 1.1 รับข้อความและรูปภาพ; Gemma 4 12B รับข้อความ รูปภาพ เสียง และวิดีโอ

• เอาต์พุต — Snap 1.1 คืนค่าตัวเลือกหรือคะแนนจากรายการของคุณ พร้อมค่าความน่าจะเป็น; ส่วน Gemma 4 12B สร้างข้อความที่มีความยาวเท่าใดก็ได้

• ราคา — Snap 1.1 อยู่ที่ $0.04 ต่อ 1M โทเคนอินพุต โดยเอาต์พุตฟรี; ค่ามัธยฐานของผู้ให้บริการต่างๆ สำหรับ Gemma 4 12B คือ $0.10 ต่อ 1M อินพุต และ $0.30 ต่อ 1M เอาต์พุต

• น้ำหนักโมเดล — Snap 1.1 ไม่ได้เผยแพร่เลย; Gemma 4 12B มาพร้อมน้ำหนักภายใต้สัญญาอนุญาต Apache 2.0 ที่คุณดาวน์โหลด ควอนไทซ์ และโฮสต์เองได้

• การสอบเทียบ — Snap 1.1 รายงานค่าความคลาดเคลื่อนของการสอบเทียบที่คาดหวังเท่ากับ 0.014 และอัตราการงดตอบ 86% สำหรับคำถามที่ตอบไม่ได้; Gemma 4 12B ไม่ได้เผยแพร่ค่าการสอบเทียบที่เทียบเคียงได้

• จุดอ้างอิงมาตรฐาน — Snap 1.1 ได้คะแนน 65 ใน Artificial Analysis Decision Index v1.0 โดยได้อันดับหนึ่งร่วม; Gemma 4 12B ได้คะแนน 14 ใน Artificial Analysis Intelligence Index ซึ่งเป็นตัวเลขประมาณการสำหรับรุ่นขนาดเดียวกัน

สองแถวสุดท้ายนั้นไม่สามารถเปรียบเทียบกันได้ และไม่ควรวางไว้ติดกันโดยไม่มีคำเตือน Decision Index วัดคุณภาพการตัดสินใจในงานที่มีคำตอบตายตัว ส่วน Intelligence Index วัดการให้เหตุผลทั่วไป คะแนน 65 กับ 14 กำลังตอบคำถามคนละข้อกัน

งานที่ทั้งสองฝ่ายทำได้ และต้นทุนที่ต้องจ่าย

ลองนึกถึงการเรียกจัดเส้นทางที่สมจริง: เธรดตั๋วขนาด 8,000 โทเคน ห้าคิวที่เป็นตัวเลือก และคำตอบเดียว Snap 1.1 คิด $0.04 ต่อล้านโทเคนอินพุต และไม่คิดค่าเอาต์พุต ดังนั้นการเรียกครั้งนี้มีค่าใช้จ่ายประมาณ $0.00032 Gemma 4 12B ที่ราคากลางของผู้ให้บริการคิด $0.0008 สำหรับอินพุต 8,000 โทเคนเดียวกัน บวกค่าเอาต์พุต — ป้ายเปล่าๆ อาจมีห้าโทเคน หรือ $0.0000015 แต่การกำหนดค่าแบบใช้การให้เหตุผลที่คิดก่อนตอบสามารถใช้โทเคนได้ง่ายๆ 200 ถึง 400 โทเคน ซึ่งเพิ่มอีก $0.00006 ถึง $0.00012

ดังนั้นในอัตรา API Snap จึงถูกกว่าต่อการเรียกหนึ่งครั้งสองถึงสามเท่า และช่องว่างจะกว้างขึ้นเมื่อเอกสารยาวขึ้น เพราะราคาอินพุตของ Gemma เป็นสองเท่าครึ่งของ Snap ที่ 100K โทเค็น การเปรียบเทียบอยู่ที่ $0.004 เทียบกับ $0.010 ก่อนที่ Gemma จะเขียนอะไรออกมาเลยด้วยซ้ำ

ตอนนี้ลองโฮสต์ Gemma 4 12B ด้วยตัวเองบน GPU ที่คุณมีอยู่แล้ว ต้นทุนส่วนเพิ่มต่อการเรียกหนึ่งครั้งจะเหลือแค่ค่าไฟฟ้า และการเปรียบเทียบก็พลิกกลับอย่างสิ้นเชิง นี่คือสิ่งสำคัญที่สุดเพียงหนึ่งเดียวของการวัดกันครั้งนี้: Snap 1.1 ถูกกว่าก็ต่อเมื่อคุณซื้อ inference เป็นรายโทเคนเท่านั้น หากคุณมีกำลังการผลิตที่ว่างอยู่ Gemma ก็ไม่มีต้นทุนส่วนเพิ่ม ส่วน Snap จะไม่มีทางเป็นเช่นนั้นได้เลย

จุดที่ Gemma 4 12B ชนะ

คำตอบที่ชัดเจนคือความเปิดกว้าง แต่เวอร์ชันที่มีประโยชน์กว่านั้นเจาะจงกว่า Apache 2.0 หมายความว่าไม่มีผู้ขายรายใดสามารถประกาศเลิกใช้ endpoint ที่คุณพึ่งพาอยู่ได้ ไม่มี rate limit ใดมาหน่วง batch job ตอนตีสองได้ และไม่มีข้อมูลใดออกนอกเครือข่ายของคุณ สำหรับเวิร์กโฟลว์ที่มีการกำกับดูแล — การคัดแยกเคลม การลงรหัสทางคลินิก การตรวจทานสัญญา — ประเด็นสุดท้ายมักตัดสินข้อโต้แย้งได้ก่อนจะพูดถึงราคา

Gemma ยังทำสิ่งต่าง ๆ ที่ Snap ทำไม่ได้ในเชิงโครงสร้างได้ด้วย มันเขียนสรุปการส่งต่อหลังจากเราเตอร์ตัดสินใจส่งต่อ มันอ่านฟอร์มที่สแกนแล้ว ถอดเสียงบันทึกการโทร และตอบคำถามเกี่ยวกับทั้งสองอย่างในการประมวลผลครั้งเดียว มันสามารถฟাইনจูนด้วยข้อมูลที่คุณติดป้ายกำกับเองได้ ซึ่งสำหรับงานจำแนกประเภทแบบแคบ ๆ มักเอาชนะพฤติกรรมแบบ zero-shot ของโมเดลทั่วไปใด ๆ ได้ จากตัวเลขที่ผู้ขายเผยแพร่เอง มันได้ 77.2 ใน MMLU-Pro, 78.8 ใน GPQA และ 72.0 ใน LiveCodeBench v6 — พอประมาณสำหรับโมเดลแนวหน้า แต่ก็น่านับถืออย่างยิ่งสำหรับสิ่งที่รันได้บน accelerator เพียงตัวเดียว

จุดอ่อนของมันก็เฉพาะเจาะจงพอๆ กัน: 5.2 บน Humanity's Last Exam เมื่อไม่ใช้เครื่องมือ, 43.4 บน MRCRv2 ด้านการดึงข้อมูลบริบทขนาดยาว และเวลาแฝงของโทเคนแรกประมาณ 2.4 ถึง 2.6 วินาทีที่ความเร็วผู้ให้บริการทั่วไป ซึ่งถือว่าค่อนข้างช้าสำหรับการส่งต่อเพื่อกำหนดเส้นทางหนึ่งครั้งในลูปของเอเจนต์

จุดที่ SubQ Snap 1.1 ชนะ

สามเรื่อง เรียงตามระดับความสำคัญ เรื่องแรกคือการงดตอบอย่างมีการปรับเทียบ Snap 1.1 รายงานอัตราการตอบว่า “ฉันไม่รู้” ที่ 86% สำหรับคำถามที่มันไม่สามารถตอบได้อย่างถูกต้อง เทียบกับ 0.7% ของรุ่น 1.0 ของตัวเองบนพร็อกซีวัดความเป็นผู้รู้รอบด้านของผู้จำหน่าย การพัฒนานี้คือจุดเด่นที่สุดของเวอร์ชันนี้ การทำให้ LLM ทั่วไปงดตอบได้อย่างเชื่อถือได้นั้นต้องอาศัยการออกแบบพรอมป์ต์ ฮิวริสติกความมั่นใจ หรือโมเดลที่สองมาประเมินโมเดลแรก และไม่มีวิธีใดในเหล่านี้เรียบง่ายเท่ากับโมเดลที่ถูกฝึกโดยให้การงดตอบเป็นเป้าหมายที่ชัดเจน

ประการที่สอง คือบริบท 384K ในพาสเดียวเทียบกับ 256K และ — ที่สำคัญกว่า — ไม่ต้องออกแบบกลยุทธ์การแบ่งส่วนใด ๆ โมเดลทั่วไปที่ 256K สามารถเก็บเอกสารไว้ได้ในทางเทคนิค แต่จะดึงประโยคที่ถูกต้องจากตรงกลางเอกสารได้หรือไม่นั้นเป็นอีกคำถามหนึ่ง และคะแนน 43.4 ของ Gemma บน MRCRv2 ชี้ว่าคำตอบที่ตรงไปตรงมาคือ “บางครั้ง”

ประการที่สาม รูปแบบของเอาต์พุต ความน่าจะเป็นเหนือคิวทั้งห้าของคุณนั้นใช้เป็นเกณฑ์การกำหนดเส้นทางได้โดยตรง ประโยคที่สร้างขึ้นมาใช้ไม่ได้ และโค้ดเชื่อมต่อที่แปลงสิ่งหนึ่งไปเป็นอีกสิ่งหนึ่งคือจุดที่บั๊กการจำแนกประเภทในโปรดักชันส่วนใหญ่อยู่

สิ่งที่ Snap ไม่มีคือการตรวจสอบยืนยันที่เป็นอิสระใด ๆ ต่อ 1.1 การประเมินจากบุคคลที่สามที่มีอยู่ได้ทดสอบโมเดลพรีวิว และหนึ่งในการประเมินนั้น — การศึกษาให้คะแนนความเกี่ยวข้องของเอกสารโดย 95pctai ซึ่งเปรียบเทียบ Snap กับ Gemma 4 31B — พบว่า Snap เร็วกว่าประมาณสองเท่าและมีราคาต่อการรันถูกกว่าครึ่ง แต่พลาดคำตอบ 21 ข้อที่ baseline ของ Gemma ตรวจจับได้ ผู้เขียนการศึกษาชี้ให้เห็นว่าทั้ง judge และ baseline เป็นโมเดลของ Google ซึ่งอาจทำให้ Gemma ได้เปรียบ และ Snap ถูกเรียกใช้เพียงครั้งเดียว

ความเป็นจริงของการปรับใช้

Gemma 4 12B ไม่ได้อยู่ในแคตตาล็อกของ OrcaRouter เราให้บริการรุ่น 26B-A4B และ 31B ในตระกูลเดียวกัน ส่วน 12B มีให้ใช้งานผ่านช่องทางของ Google เองและแพลตฟอร์มบุคคลที่สามหลายแห่ง Snap 1.1 ก็ไม่ใช่ของเราเช่นกัน โดยทำงานผ่าน API ของ Subquadratic ที่ console.subq.ai

คำถามเชิงปฏิบัติสำหรับทีมส่วนใหญ่ไม่ใช่จะเลือกมาตรฐานกับตัวไหน แต่คือว่าชั้นการตัดสินใจและชั้นการสร้างควรแชร์ dependency ร่วมกันหรือไม่ ทั้งสองล้มเหลวต่างกัน เราเตอร์ที่ล่มจะหยุดไปป์ไลน์ของคุณก่อนที่งานใด ๆ จะเริ่มขึ้น ส่วนตัวสร้างที่ล่มจะหยุดมันกลางคัน การแยกทั้งสองไปยังผู้ให้บริการคนละราย — คีย์เดียวสำหรับโมเดลสร้างกว่า 200 โมเดลที่ OrcaRouter โดยบวกเพิ่ม 0% จากราคาตามรายการของผู้ให้บริการ พร้อม failover อัตโนมัติ สัญญาเดียวสำหรับโมเดลการตัดสินใจ — หมายความว่าหากผู้ให้บริการรายใดรายหนึ่งมีปัญหาช่วงบ่าย ไปป์ไลน์จะเสื่อมประสิทธิภาพลงแทนที่จะหยุดไปเลย

จะตัดสินใจในรอบเดียวได้อย่างไร

หากการตัดสินใจคือการติดป้ายกำกับจากชุดตัวเลือกที่กำหนดไว้ เอกสารมีความยาว และคุณไม่สามารถโฮสต์เวตได้: {{1}}Snap 1.1{{/1}} และจัดงบประมาณสำหรับการสร้างโครงทดสอบประเมินผลของคุณเอง เพราะยังไม่มีใครเผยแพร่โครงทดสอบดังกล่าวสำหรับเวอร์ชันนี้

หากการตัดสินใจนั้นเป็นเพียงป้ายกำกับ แต่การเรียกครั้งเดียวกันยังต้องสร้างข้อความด้วย หรือข้อมูลไม่สามารถออกจากเครือข่ายของคุณได้ หรือคุณมีกำลัง GPU เหลืออยู่: Gemma 4 12B ที่ผ่านการ fine-tune ด้วยตัวอย่างของคุณเองเพียงไม่กี่พันรายการ มักจะเอาชนะโมเดลสำหรับการตัดสินใจแบบทั่วไปในงานเฉพาะของคุณได้

ถ้าคุณไม่แน่ใจจริง ๆ การทดลองที่ต้นทุนต่ำคือรันทั้งสองตัวบนเคสที่มีป้ายกำกับ 2,000 เคสชุดเดียวกัน แล้วเปรียบเทียบไม่ใช่ความแม่นยำ แต่เป็นต้นทุนของข้อผิดพลาดที่แต่ละตัวก่อขึ้น Snap จะงดตอบมากกว่า Gemma จะตอบมากกว่าและผิดบ่อยกว่าโดยไม่บอกว่าไม่แน่ใจ อย่างไหนแย่กว่ากันเป็นคุณสมบัติของธุรกิจคุณ ไม่ใช่ของโมเดลใดโมเดลหนึ่ง