TwIL-LM3-Pro vs Gemma 4 12B: โมเดลโลคอลสองตัวที่ไม่มีอะไรเหมือนกันเลยนอกจากแล็ปท็อป

วางTwIL-LM3-ProและGemma 4 12Bไว้ข้างกัน แล้วความคล้ายคลึงนั้นมีอยู่จริงแต่ตื้นเขิน: ทั้งคู่เป็นเช็กพอยต์แบบเปิดที่คุณดาวน์โหลดได้วันนี้ ทั้งคู่รันบนฮาร์ดแวร์สำหรับผู้ใช้ทั่วไปโดยไม่ต้องมีบัญชีคลาวด์ และทั้งคู่จะตอบคำถามแบบออฟไลน์ ทุกอย่างหลังจากนั้นแตกต่างออกไป และความแตกต่างที่คมชัดที่สุดคือเรื่องกฎหมายมากกว่าเรื่องเทคนิค TwIL-LM3-Pro ผู้เชี่ยวชาญด้านตรรกะเชิงรูปแบบขนาด 3.66B ของ webAI มาพร้อมสัญญาอนุญาต webAI Non-Commercial License ver. 1.0 — คุณอาจใช้มันเพื่อการวิจัยได้ และคุณไม่อาจสร้างธุรกิจบนมันได้หากไม่มีข้อตกลงแยกต่างหาก Gemma 4 12B โมเดลมัลติโมดัลแบบไม่มีเอนโคเดอร์ของ Goog​le DeepMind มาพร้อม Apache 2.0 บรรทัดเดียวนั้นตัดสินการนำไปใช้งานได้มากกว่าตารางเบนช์มาร์ก ดังนั้นจึงคุ้มค่าที่จะเริ่มจากตรงนั้นแทนที่จะจบจากตรงนั้น

นี่คือการเปรียบเทียบระหว่างผู้เชี่ยวชาญเฉพาะทางกับผู้ทำงานได้หลากหลายที่บังเอิญเป็นสิ่งประเภทเดียวกัน TwIL-LM3-Pro ทำงานอย่างเดียว — ตรรกศาสตร์เชิงรูปแบบ — และทำได้ดีกว่าโมเดลที่ใหญ่กว่าตัวมันหลายเท่า Gemma 4 12B ทำงานได้หลายอย่าง มองเห็นและได้ยินได้ รวมถึงอ่านได้ด้วย และถูกสร้างขึ้นมาโดยเจตนาให้เป็นโมเดลขนาดเล็กที่เป็นค่าเริ่มต้นในผลิตภัณฑ์ของคนอื่น การนำสเปกชีตของทั้งสองมาอ่านเทียบกันราวกับว่าพวกมันกำลังแข่งขันกันในตำแหน่งเดียวกัน คือความผิดพลาดที่หน้านี้มีอยู่เพื่อป้องกัน

ใบอนุญาตเป็นข้อกำหนดแรก

ใบอนุญาตของ TwIL-LM3-Pro อนุญาตให้ทำซ้ำ วิจัย และใช้ส่วนตัว และกำหนดอย่างชัดเจนให้ต้องมีข้อตกลงแยกต่างหากกับ webAI สำหรับการนำไปใช้งานที่สร้างรายได้ นอกจากนี้ยังจำกัดการใช้ชื่อทางการค้าและเครื่องหมายการค้าของ webAI โดยไม่ได้รับความยินยอมเป็นลายลักษณ์อักษร สำหรับนักอดิเรก นักศึกษาปริญญาเอก หรือกลุ่มวิจัยภายใน นั่นคือการอนุญาตที่สมบูรณ์ สำหรับใครก็ตามที่ส่งออกผลิตภัณฑ์ มันคือจุดหยุดที่แน่นอนจนกว่าจะมีข้อตกลง — และเส้นทางเชิงพาณิชย์ของ webAI เป็นข้อตกลงระดับองค์กร ไม่ใช่ตารางราคาที่เผยแพร่

Gemma 4 12B ใช้สัญญาอนุญาต Apache 2.0 คุณสามารถปรับแต่งโมเดลได้ แจกจ่ายงานดัดแปลงที่ได้ ให้บริการแก่ลูกค้า และบรรจุมันไว้ในผลิตภัณฑ์เชิงพาณิชย์ได้ โดยอยู่ภายใต้นโยบายการใช้งานของ Google นั่นไม่ใช่ความแตกต่างเพียงเล็กน้อยในเชิงระดับ แต่เป็นความแตกต่างระหว่างโมเดลที่คุณประเมินค่าได้กับโมเดลที่คุณต่อยอดสร้างได้

ทั้งคู่เป็นดาวน์โหลดแบบไม่มีเกตบน Hugging Face ดังนั้นสัญญาอนุญาตจึงเป็นเกตเดียว และมันเป็นเกตจริง ๆ

แต่ละโมเดลใช้สำหรับอะไรจริงๆ

TwIL-LM3-Pro สืบทอดมาจาก `ibm-granite/granite-4.2-3b` ผ่านไปป์ไลน์ห้าขั้นตอน — การปรับแต่งอย่างมีผู้ควบคุมด้วย LoRA บนคอร์ปัสตรรกะเชิงรูปแบบสังเคราะห์ การกลั่นแบบหลายเส้นทาง การหลอมรวมเช็กพอยต์ การประมาณค่าในช่วงด้วย WiSE-FT ย้อนกลับไปยังฐานที่ผ่านการฝึกมาก่อน และขั้นตอน GRPO แบบถ่วงน้ำหนักด้วยเอนโทรปีเทียบกับตัวตรวจสอบเชิงโปรแกรม ผลลัพธ์เป้าหมายของมันเป็นออบเจกต์มากกว่าข้อความร้อยแก้ว ได้แก่ คำแปลตรรกะอันดับหนึ่ง ป้ายกำกับการอนุมาน การแยกวิเคราะห์เชิงความหมาย ข้อความ Lean และบทวิจารณ์การพิสูจน์ Lean webAI ระบุอย่างชัดเจนว่าโมเดลนี้ไม่ใช่ผู้ช่วยทั่วไป และไม่มีการปรับแต่งด้านความปลอดภัยหรือความชอบใด ๆ เกินกว่าที่ Granite 4.2 มีอยู่

Gemma 4 12B เป็นโครงสร้างที่ตรงกันข้าม โดยเป็นสมาชิกแบบ dense ขนาด 11.95B พารามิเตอร์ของตระกูล Gemma 4 — 48 เลเยอร์ คำศัพท์ 262K หน้าต่างบริบท 256K โทเค็น — และเป็นมัลติโมดัลโดยกำเนิด จัดการข้อความ รูปภาพ และเสียงผ่านสถาปัตยกรรมที่ไม่มีเอนโคเดอร์ แทนที่จะต่อทาวเวอร์ด้านภาพและเสียงแยกต่างหากเข้าไป โมเดล Gemma 4 ทุกรุ่นมาพร้อมโหมดคิดที่กำหนดค่าได้ การรองรับ system prompt โดยตรง และการเรียกฟังก์ชัน ออกแบบมาให้เป็นม้าศึกด้านการให้เหตุผลทั่วไปและมัลติโมดัล ในขนาดที่พอดีกับการ์ดจอสำหรับผู้บริโภค

การขอให้ TwIL-LM3-Pro อธิบายภาพถ่ายไม่ใช่การทดสอบที่เป็นธรรม และไม่ใช่การทดสอบที่โมเดลนี้ถูกสร้างมาเพื่อทำ การขอให้ Gemma 4 12B ส่งออกการแยกวิเคราะห์เชิงความหมายในสคีมาคงที่ก็ไม่ใช่งานที่มันถูกปรับจูนมาเช่นกัน ส่วนที่ทับซ้อนกันนั้นมีจริงแต่แคบ ทั้งคู่สามารถให้เหตุผลได้ และทั้งคู่สามารถทำงานแบบออฟไลน์ได้

มิติที่แตกต่างกันจริง ๆ

• พารามิเตอร์ — TwIL-LM3-Pro 3.66B แบบ dense เทียบกับ Gemma 4 12B 11.95B แบบ dense คิดเป็นปัจจัยประมาณ 3.3 เท่า

• หน้าต่างบริบท — TwIL-LM3-Pro 131,072 โทเคน สืบทอดมาโดยไม่เปลี่ยนแปลงจากฐาน Granite ของมัน; Gemma 4 12B 256,000 โทเคน

• มอดาลิตีขาเข้า — TwIL-LM3-Pro รองรับเฉพาะข้อความ; Gemma 4 12B รองรับข้อความ รูปภาพ วิดีโอ และเสียง

• สัญญาอนุญาต — webAI Non-Commercial License ver. 1.0 เทียบกับ Apache 2.0

• โมเดลพื้นฐาน — `ibm-granite/granite-4.2-3b` เทียบกับการ pretraining Gemma 4 ของ Google เอง ที่เผยแพร่พร้อมกับรายงานทางเทคนิค

• รูปแบบการคิด — TwIL-LM3-Pro จะส่งบล็อก `<think>` ตามค่าเริ่มต้นก่อนตอบ; Gemma 4 เปิดให้ใช้โหมดการคิดที่กำหนดค่าได้ในทุกรุ่นของตระกูล

• ขนาดการใช้งานแบบควอนไทซ์ — TwIL-LM3-Pro Q4_K_M อยู่ที่ 2.09 GiB โดยรันบน CPU หรือ VRAM 4 GB; ส่วน Gemma 4 12B ใน bf16 อยู่ที่ประมาณ 24 GiB ซึ่งมีขนาดเหมาะสำหรับ GPU ระดับผู้บริโภค มากกว่ากราฟิกออนบอร์ดของแล็ปท็อป

บรรทัดสุดท้ายนั้นเป็นสิ่งที่บั่นทอนกรอบความคิดที่ว่า "ทั้งสองทำงานในเครื่อง" ได้อย่างรุนแรงที่สุด และเป็นเรื่องที่ควรพูดให้ชัดเจนเกี่ยวกับเรื่องนี้ ข้ออ้างเรื่องการทำงานในเครื่องของ TwIL-LM3-Pro เป็นข้ออ้างระดับแล็ปท็อป ข้ออ้างเรื่องการทำงานในเครื่องของ Gemma 4 12B เป็นข้ออ้างระดับเวิร์กสเตชันที่มี GPU โดยโมเดล E2B และ E4B ที่เล็กกว่าของ Google นั้นรองรับระดับโทรศัพท์และแล็ปท็อปอย่างแท้จริง โมเดลสองตัวที่ต่างก็ถูกเรียกว่าทำงานในเครื่องนั้นไม่ใช่มาตรฐานฮาร์ดแวร์เดียวกัน

สถานะของหลักฐานจากเบนช์มาร์ก

ทุกตัวเลขประสิทธิภาพของ TwIL-LM3-Pro มาจากการ์ดโมเดลของ webAI เอง ซึ่งวัดบน Track A และ Track B harness ของบริษัทเอง ยังไม่มีการประเมินที่เป็นอิสระ การเปรียบเทียบที่การ์ดเองเน้นคือกับ Qwen3-8B ไม่ใช่กับโมเดล Gemma ใดๆ — macro gate ของ webAI ที่ 0.5539 เทียบกับ 0.5336 ของ Qwen3-8B โดยมีส่วนต่างที่การ์ดระบุว่าอยู่ภายในสัญญาณรบกวนจากการสุ่ม และ strict-7 ที่ 0.2879 เทียบกับ 0.2093 โดยที่ช่องว่างไม่ได้ขึ้นอยู่กับเครดิตการจับคู่แบบหลวม เมื่อเทียบกับฐาน Granite 4.2 3B ของตัวเอง macro gate ในโดเมนเพิ่มขึ้นจาก 0.4313 เป็น 0.5539 ในขณะที่ค่า macro ของชุดข้อมูล 10 ชุดที่ถูกกันไว้คงที่ที่ 0.7901 เทียบกับ 0.7942

Gemma 4 12B มีรายงานทางเทคนิคที่เผยแพร่แล้ว และมีผลการประเมินจากบุคคลที่สามอย่างกว้างขวาง นอกจากนี้ยังมีตำแหน่ง benchmark ที่ผู้ขายรายงานภายในตระกูลของตัวเอง — Goog​le จัดอันดับ 12B Unified build ไว้ต่ำกว่า 31B และ 26B A4B ในตาราง reasoning และ coding ของตัวเอง อันดับดังกล่าวเป็นของ Goog​le และควรค่าแก่การอ้างอิงในฐานะที่เป็นเช่นนั้น

คำกล่าวที่ตรงไปตรงมาเกี่ยวกับการเปรียบเทียบแบบตัวต่อตัวโดยตรงก็คือ ไม่มีการเปรียบเทียบเช่นนั้นเลย ยังไม่มีใครรัน TwIL-LM3-Pro และ Gemma 4 12B ผ่านฮาร์เนสเดียวกันแล้วตีพิมพ์ผลลัพธ์ออกมา ทั้งสองรุ่นไม่เคยถูกให้คะแนนด้วยเกณฑ์เดียวกันโดยใครเลย เพราะเกณฑ์ที่ใช้ให้คะแนนทั้งสองรุ่นไม่ทับซ้อนกัน ความแม่นยำของ entailment ทางตรรกศาสตร์เชิงรูปแบบกับเปอร์เซ็นต์ของ MMLU-Pro ไม่ใช่หน่วยเดียวกัน

เมื่อแต่ละอย่างเป็นการตัดสินใจที่ถูกต้อง

เลือกใช้ TwIL-LM3-Pro เมื่อผลลัพธ์ที่คุณต้องการเป็นโครงสร้างที่เครื่องตรวจสอบได้ — ป้ายกำกับ entailment, ข้อความใน Lean, การแยกวิเคราะห์เชิงความหมาย — และงานเป็นแบบแบตช์หรือออฟไลน์ และใบอนุญาตไม่ใช่ข้อจำกัดในการนำผลลัพธ์ไปใช้ บิลด์แบบควอนไทซ์ขนาด 2.09 GiB ที่ทำงานบน CPU โดยไม่ต้องพึ่งพาเครือข่าย ถือเป็นข้อได้เปรียบอย่างแท้จริงสำหรับไปป์ไลน์ที่แยกจากเครือข่ายหรือรอบการติดป้ายกำกับที่ต้องรันบนแล็ปท็อป

เลือกใช้ Gemma 4 12B เมื่อคุณต้องการโมเดลเอนกประสงค์ที่พร้อมนำไปใช้งานได้จริง เมื่อข้อมูลนำเข้าไม่ใช่ข้อความ เมื่อบริบทมีความยาวมาก หรือเมื่อคุณต้องการปรับแต่งละเอียดและเผยแพร่ต่อ Apache 2.0 ผนวกกับความสามารถหลายรูปแบบโดยกำเนิด ผนวกกับหน้าต่างขนาด 256K คือชุดค่าผสมที่ผู้เชี่ยวชาญเฉพาะทางแบบแคบรายใดก็เสนอให้ไม่ได้

ทั้งสองยังสามารถอยู่ร่วมกันได้ ไปป์ไลน์ที่ใช้ Gemma 4 12B เพื่ออ่านและปรับมาตรฐานอินพุตแบบผสมหลายโมดัล แล้วส่งข้อความเชิงโครงสร้างต่อให้ผู้เชี่ยวชาญด้านตรรกศาสตร์เชิงรูปแบบ ถือเป็นการแบ่งงานที่สมเหตุสมผล และมีรูปแบบเดียวกับการใช้โมเดลระดับแนวหน้ามาร่าง แล้วใช้โมเดลขนาดเล็กตรวจสอบ

การให้บริการอย่างใดอย่างหนึ่งในสองสิ่งนั้นจาก endpoint เดียว

ทั้ง TwIL-LM3-Pro และบิลด์ Gemma 4 12B Unified ไม่ได้เป็นเส้นทางในแค็ตตาล็อกของ OrcaRouter ในปัจจุบัน และเรื่องนี้ควรกล่าวก่อนคำแนะนำ ไม่ใช่หลังคำแนะนำ สิ่งที่ถูกจัดเส้นทางจากตระกูลเดียวกันคือระดับ Gemma 4 ที่ใหญ่กว่า — `gemma-4-26b-a4b-it` และ `gemma-4-31b-it` — ดังนั้นรูปแบบที่พบบ่อยในที่นี้คือการสร้างต้นแบบพรอมป์ต์และสคีมากับระดับ Gemma 4 ที่โฮสต์ไว้ ผ่านปลายทางที่เข้ากันได้กับ OpenAI ในราคาตามรายการของผู้ให้บริการโดยบวกมาร์กอัป 0% จากนั้นย้ายงานที่นิ่งแล้วไปยังเช็กพอยต์ 12B บนฮาร์ดแวร์ของคุณเอง ปลายทางเดียวกันให้บริการโมเดลมากกว่า 200 รายการ ดังนั้นโมเดลแนวหน้าสุดที่คุณใช้สร้างข้อมูลประเมินและโมเดลเล็กที่คุณใช้ตรวจสอบจึงห่างกันเพียงคีย์เดียวและรูปแบบคำขอเดียว พร้อมการสลับไปใช้สำรองอัตโนมัติหากผู้ให้บริการมีปัญหาในระหว่างรัน.

นั่นเป็นเวอร์ชันที่อ่อนกว่าปกติของเรื่องราวการจัดเส้นทาง และควรนำเสนอตามนั้นจริง ๆ ว่า เราไม่ได้โฮสต์โมเดลที่คุณกำลังเปรียบเทียบ ดังนั้นคำแนะนำที่ตรงไปตรงมาคือให้ใช้เวิร์กโฟลว์ ไม่ใช่การสลับ

กฎการตัดสินใจ

หากสิ่งที่ส่งมอบต้องพร้อมใช้งานเชิงพาณิชย์ ใบอนุญาตจะตอบคำถามก่อนที่การทดสอบใด ๆ จะตอบ และมันชี้ไปที่ Gemma 4 12B หากสิ่งที่ส่งมอบเป็นผลลัพธ์ตรรกะเชิงรูปแบบที่ผลิตแบบออฟไลน์และใช้ภายใน TwIL-LM3-Pro เป็นเครื่องมือที่แข็งแกร่งกว่าในขนาดเพียงหนึ่งในสาม หากคุณต้องการทั้งสอง งานวิศวกรรมที่น่าสนใจไม่ใช่การเลือกผู้ชนะ — แต่เป็นการกำหนดอินเทอร์เฟซที่โมเดลมัลติโมดัลทั่วไปหยุด และผู้เชี่ยวชาญตรรกะเชิงรูปแบบเริ่มต้น