ZwZ2-9B vs Gemma 4 12B: หนึ่งโมเดล หนึ่งโมเดลการ์ด และตัวไหนที่คุณสามารถปล่อยใช้งานได้จริง

Gemma 4 12B เปิดเผยต่อสาธารณะตั้งแต่ 23 พฤษภาคม 2026 โดยมาพร้อมการ์ดโมเดล รายงานทางเทคนิค ชุดการประเมินที่เผยแพร่แล้ว ขนาดโมเดลพี่น้องอีกห้าขนาด และจำนวนการดาวน์โหลดบน Hub ที่ทะลุ 79,000 ในเดือนที่ผ่านมาเพียงเดือนเดียว ZwZ2-9B เปิดเผยต่อสาธารณะตั้งแต่ 16 ตุลาคม 2026 — วันนี้ — ในรูปแบบแปดไฟล์ในรีโพซิทอรีที่ไม่มี README ไม่มีฟิลด์สัญญาอนุญาต และไม่มีแท็กไปป์ไลน์ ทั้งสองมีขนาดใกล้เคียงกันโดยประมาณ ทั้งสองรับภาพได้ ทั้งสองประกาศเพดานบริบท 262,144 ตำแหน่งเท่ากัน และทั้งสองไม่ได้อยู่ในสถานะความพร้อมเดียวกันเลยแม้แต่น้อย ซึ่งเป็นเพียงการเปรียบเทียบเดียวที่สำคัญ หากคุณกำลังตัดสินใจว่าจะใช้ GPU กับตัวไหน

คำตอบแบบสั้น: Gemma 4 12B เป็นผลิตภัณฑ์ที่เสร็จสมบูรณ์จาก Google DeepMind โดยมีคนอื่น ๆ ทดลองจนถึงขีดจำกัดของมันมาแล้วห้าเดือน ส่วน ZwZ2-9B เป็น checkpoint จาก inclusionAI ที่ยังไม่มีใครนอกห้องแล็บอธิบายไว้เลย รวมทั้งตัวห้องแล็บเองด้วย ถ้าคุณต้องส่งมอบอะไรสักอย่างภายในเดือนนี้ ตัวเลือกนี้ไม่ได้ใกล้เคียงกันเลย และมันไม่ใช่การวิจารณ์เรื่อง weights ถ้าคุณกำลังตัดสินใจว่าจะทำ prototype อะไรในเดือนหน้า อ่านตัวเลขด้านล่าง แล้วรัน eval ของคุณเอง เพราะมีเพียงหนึ่งในสองโมเดลนี้เท่านั้นที่ให้อะไรบางอย่างที่คุณอ่านได้

สองสแต็ก ทีละมิติ

• พารามิเตอร์ — ZwZ2-9B: 9,409,813,744 ใน bfloat16 Gemma 4 12B: 11.95 พันล้าน

• สถาปัตยกรรม — qwen3_5 ไฮบริดของ attention แบบเชิงเส้นและแบบเต็มรูป Gemma: gemma4_unified ไม่มี encoder และรวมทุก modality เป็นหนึ่งเดียว

• เลเยอร์ — 32 ใน ZwZ2-9B (24 แอตเทนชันเชิงเส้น, 8 แอตเทนชันเต็มรูปแบบ) 48 ใน Gemma 4 12B (40 แบบสไลดิงวินโดว์ที่ 1,024 โทเคน, 8 แอตเทนชันเต็มรูปแบบ)

• เพดานบริบท — 262,144 ตำแหน่งที่ทั้งสองฝ่ายประกาศไว้

• คำศัพท์ — 248,320 เทียบกับ 262,144 โดยคำศัพท์ของ Gemma สงวนไว้สำหรับ ID โทเค็นรูปภาพ เสียง และวิดีโอ

• โมดัลลิตีใน — ข้อความ รูปภาพ และวิดีโอสำหรับ ZwZ2-9B ข้อความ รูปภาพ เสียง และวิดีโอสำหรับ Gemma 4 12B ซึ่งคอนฟิกของ它具有ทาวเวอร์เสียงขนาด 640 มิติ

• สัญญาอนุญาต — ไม่มีการระบุ เทียบกับ Apache-2.0

• ประวัติผลงาน — ดาวน์โหลด 0 ครั้งและถูกใจ 2 ครั้ง เทียบกับ 79,565 ดาวน์โหลดและ 790 ถูกใจในเดือนที่ผ่านมา

สองในบรรทัดเหล่านั้นสมควรค่าแก่การพิจารณาอีกครั้ง เพราะมันพลิกสัญชาตญาณกลับ อย่างแรกคือตารางความสนใจ (attention schedule): {{KEEP}}ZwZ2-9B{{/KEEP}} เป็นโมเดล 32 เลเยอร์ที่มีเลเยอร์แบบ full-attention 8 เลเยอร์ และ {{KEEP}}Gemma 4 12B{{/KEEP}} เป็นโมเดล 48 เลเยอร์ที่มีเลเยอร์แบบ full-attention 8 เลเยอร์ ทั้งคู่ต่างเดิมพันว่าส่วนที่มีต้นทุนสูงของ attention ควรเกิดขึ้นไม่บ่อย พวกเขาแค่เห็นต่างกันว่าควรไม่บ่อยเพียงใด คือหนึ่งในสี่ของเลเยอร์ เทียบกับหนึ่งในหก อย่างที่สองคือเพดานบริบท (context ceiling) ซึ่งเช็กพอยต์ขนาด 9.4B ที่ไม่มีเอกสารประกอบ และเรือธงขนาด 11.95B จาก {{KEEP}}DeepMind{{/KEEP}} กลับลงเอยที่ตัวเลข 262,144 เท่ากันเป๊ะ ซึ่งเป็นความบังเอิญของเป้าหมายการออกแบบ มากกว่าจะเป็นความสัมพันธ์ใด ๆ ระหว่างสองสิ่งนั้น

ในจุดที่ Gemma 4 12B ไม่เพียงแต่ล้ำหน้า แต่ยังอยู่ในคนละหมวดหมู่

เสียงมาเป็นอันดับแรก โมเดลของ Google รับเสียงเข้ามาได้โดยตรง โดยมีหอคอยเสียง (audio tower) เฉพาะทาง และมี audio token id อยู่ในคลังคำศัพท์ของมัน โทเคไนเซอร์ของ ZwZ2-9B ก็จอง <|audio_start|> <|audio_end|> และ <|audio_pad|> ไว้เช่นกัน — แต่คอนฟิกของมันไม่มีการตั้งค่าด้านเสียงใด ๆ เลย ดังนั้นโทเคนเหล่านี้จึงเป็นเพียงคำศัพท์ที่มันสืบทอดมา ไม่ใช่ความสามารถที่มันมีจริง หากภาระงานของคุณเกี่ยวข้องกับเสียงพูด การเปรียบเทียบก็จบลงตรงนี้ และควรพูดให้ชัดเจนว่าเพราะเหตุใด: ไม่ใช่เพราะ ZwZ2-9B ได้คะแนนแย่กว่า แต่เพราะไม่มีสิ่งใดในเช็กพอยต์ที่ประมวลผลรูปคลื่นเสียงได้

เอกสารประกอบเป็นสิ่งที่สอง และเป็นสิ่งที่ให้ผลทบต้น Gemma 4 12B มาพร้อมรายงานทางเทคนิค (arXiv 2607.02770) ชุดการประเมินที่เผยแพร่แล้วซึ่งครอบคลุมตั้งแต่การให้เหตุผลแบบ GPQA ไปจนถึงเบนช์มาร์กด้านภาพ สัญญาอนุญาตที่ระบุไว้ และหมายเหตุว่าโมเดลมีให้เลือกห้าขนาด เพื่อให้คุณแลกความสามารถกับทรัพยากรที่ใช้ได้โดยไม่ต้องออกจากตระกูลนี้ โดยรอบนั้น Hub แสดงให้เห็นไฟน์จูนที่เผยแพร่แล้ว 83 รายการ ควอนไทเซชัน 49 รายการ และ Spaces 15 รายการที่สร้างขึ้นบนโมเดลนี้ ระบบนิเวศนั้นไม่ใช่ของประดับตกแต่ง มันคือหลักฐานจำนวนมากเกี่ยวกับว่าโมเดลล้มเหลวอย่างไร ซึ่งผลิตโดยผู้คนที่ไม่ใช่ Google และไม่มีสิ่งใดทดแทนมันได้

การออกใบอนุญาตเป็นประการที่สาม และเป็นเรื่องที่ดูไม่น่าตื่นเต้นที่สุดแต่ก็ชี้ขาดที่สุด Gemma 4 12B เป็น Apache-2.0 ส่วน ZwZ2-9B ไม่ประกาศใบอนุญาตใด ๆ เลย — ไม่ใช่โอเพน ไม่ใช่แบบกำหนดเอง ไม่มีอะไรในเมทาดาทาของรีโพซิทอรี หากไม่มีการประกาศ การตีความที่ปลอดภัยคือผู้เผยแพร่สงวนสิทธิ์ของตนไว้ และนั่นไม่ใช่คำถามที่คุณอยากพบว่าตัวเองตอบผิดระหว่างการจัดซื้อจัดจ้าง เช็กพอยต์ที่คุณใช้ไม่ได้อย่างถูกกฎหมายไม่ได้ถูกกว่าอันที่คุณใช้ได้

จุดเดียวที่ ZwZ2-9B มีข้อโต้แย้งเชิงโครงสร้าง

มันไม่ได้อยู่ที่คุณภาพ ซึ่งยังไม่มีใครวัดได้ แต่อยู่ที่ว่าสิ่งนี้ใช้ทรัพยากรการประมวลผลอย่างไร และคอนฟิกก็ระบุเรื่องนี้ไว้อย่างชัดเจนเป็นพิเศษ

สามในสี่ของเลเยอร์ใน ZwZ2-9B เป็น linear attention — 24 จาก 32 — โดยแต่ละเลเยอร์มีสถานะแบบวนซ้ำขนาดคงที่ แทนที่จะเป็นแคชคีย์-ค่าที่ขยายตามการสนทนา คอนฟิกระบุกลไกไว้ดังนี้: หัวคีย์ 16 หัวและหัวค่า 32 หัวที่มิติ 128, เคอร์เนลคอนโวลูชันกว้าง 4, และสถานะที่เก็บใน float32 เพื่อความเสถียรเชิงตัวเลข มีเพียงทุก ๆ เลเยอร์ที่สี่เท่านั้นที่ใช้ full attention Gemma 4 12B เดิมพันคล้ายกันด้วยกลไกที่ต่างออกไป — 40 จาก 48 เลเยอร์ใช้หน้าต่างเลื่อนที่จำกัดไว้ที่ 1,024 โทเคน — ดังนั้นทั้งสองโมเดลถูกออกแบบมาให้หยุดจ่ายต้นทุนของ full-attention ในเลเยอร์ส่วนใหญ่ พวกมันต่างกันในระดับและเทคนิค และหากไม่มี benchmark ก็ไม่มีทางพูดอย่างตรงไปตรงมาได้ว่าตัวไหนชนะ เจตนาของการออกแบบนั้นชัดเจน แต่ผลลัพธ์ยังไม่ได้วัด

ขนาดการกินทรัพยากรเป็นส่วนที่ตรงไปตรงมา 9.41 พันล้านพารามิเตอร์เทียบกับ 11.95 พันล้าน คือน้ำหนักที่ต้องถือน้อยลงราวหนึ่งในห้าก่อนที่คุณจะทำควอนไทซ์อะไรก็ตาม และ vision tower ก็เล็ก — 27 เลเยอร์ที่ hidden size 1,152 ฉายเข้าสู่ 4,096 — ซึ่งเป็นเหตุผลว่าทำไมโมเดลจึงพอดีได้อย่างสบายในฮาร์ดแวร์ระดับเดียวกับที่จะรัน Gemma 4 12B

The behavioural difference worth knowing is the reasoning default. ZwZ2-9B's chat template emits an empty <think></think> block unless you explicitly ask for thinking, so it answers directly out of the box. Gemma 4 12B offers thinking modes you configure. For extraction, classification or routing — the jobs where a second pass of reasoning is latency you did not want to pay for — only one of these is cheap by default.

สิ่งที่ ZwZ2-9B บอกคุณไม่ได้ และเหตุใดสิ่งนั้นจึงชี้ขาดการเปรียบเทียบ

คุณไม่อาจรู้ได้ว่ามันเป็นโมเดลที่ปรับแต่งด้วยคำสั่งหรือเช็กพอยต์ฐาน เพราะรีโพซิทอรีของมันไม่มี README และไม่มีแท็ก pipeline ซึ่งโดยปกติแล้วทั้งสองอย่างนั้นจะระบุไว้ พรอมต์ระบบที่ฝังมาในตัวซึ่งชี้ไปที่แท็ก <answer> เป็นหลักฐานที่ชัดเจนว่าเป็นโมเดลที่ผ่านการฝึกให้ทำตามคำสั่ง แต่ก็เป็นเพียงหลักฐาน ไม่ใช่คำยืนยัน

คุณไม่มีทางรู้ว่ามันถูกฝึกบนอะไร ไม่รู้ว่าสูตรการรับรู้แบบละเอียดที่ทำให้ชื่อของตระกูล ZwZ โด่งดังนั้นตกทอดมาหรือไม่ หรือมันควรเก่งเรื่องอะไร คุณไม่มีทางรู้ใบอนุญาตของมัน และคุณไม่มีทางรู้ว่ามันทำงานอย่างไรที่ขอบสุด เพราะไม่มีใครนอก inclusionAI เคยรันมัน

วางสิ่งนั้นไว้ข้าง ๆ Gemma 4 12B แล้วความไม่สมมาตรก็ไม่ใช่เรื่องของระดับชั้น โมเดลหนึ่งมาพร้อมรายงานทางเทคนิคและประสบการณ์ใช้งานสาธารณะแปดเดือน ส่วนอีกโมเดลมาพร้อมconfig.json และค่าเริ่มต้นโหมด thinking ที่กลับด้าน นั่นเป็นเหตุผลให้ทำต้นแบบ ไม่ใช่เหตุผลให้มองข้าม — เช็กพอยต์ที่ไม่มีเอกสารคือจุดที่งานน่าสนใจจำนวนมากปรากฏขึ้นเป็นครั้งแรก — แต่มันเป็นเหตุผลให้ต้องยอมรับตามตรงว่าคุณจะเป็นคนประเมินด้วยตัวเอง

กฎการตัดสินใจที่ไม่ขึ้นอยู่กับหลักฐานที่ขาดหายไป

เลือก Gemma 4 12B หากข้อใดข้อหนึ่งต่อไปนี้เป็นจริง: คุณต้องการอินพุตเสียง คุณต้องการสัญญาอนุญาตที่คุณสามารถให้ทนายความดูได้ คุณต้องการส่งมอบภายในหนึ่งไตรมาส หรือคุณต้องการขนาดพี่น้อง เพื่อให้ชุดการประเมินเดียวกันถ่ายโอนขึ้นและลงภายในตระกูลได้ ทั้งสี่ข้อนี้จัดการเรียบร้อยแล้ว

ให้ความสำคัญกับ ZwZ2-9B อย่างจริงจัง หากคุณมีคำถามเฉพาะเจาะจงที่โมเดลวิชันแบบ hybrid-attention ขนาด 9.4B ซึ่งมีค่าเริ่มต้นเป็นแบบไม่ให้เหตุผลอาจตอบได้ดีกว่าตัวที่คุณจ่ายเงินใช้อยู่แล้ว และคุณยินดีจะวัดผลด้วยตัวเอง สิ่งแรกที่ควรทดสอบไม่ใช่ความฉลาดของมัน แต่เป็นว่ามันรับภาพที่คุณส่งไปจริง ๆ ได้หรือไม่ ให้รูปแบบที่คุณต้องการจริง ๆ หรือไม่ และทำเช่นนั้นได้โดยไม่มีปัญหาเรื่องใบอนุญาตค้างอยู่เหนือผลลัพธ์

และอย่าเอาไปเปรียบเทียบกันบนตาราง benchmark เพราะตารางนั้นมีแค่คอลัมน์เดียว คุณจะเอาตัวเลขที่เผยแพร่ของ Gemma 4 12B ไปวางข้างช่องว่าง แล้วเรียกมันว่าการเปรียบเทียบก็ได้ แต่ช่องว่างนั่นแหละคือข้อค้นพบ ใครก็ตามที่ออกมาฟันธงคุณภาพแบบเทียบตรง ๆ เกี่ยวกับ ZwZ2-9B ในสัปดาห์นี้ กำลังกุเรื่องขึ้นมาเอง

ทั้งสองเช็กพอยต์ยังไม่มีในแคตตาล็อกของเราในวันนี้ ดังนั้นทั้งคู่จึงไม่ใช่สิ่งที่คุณเรียกใช้งานผ่านเราได้ในตอนนี้ — Gemma 4 12B เป็นการดาวน์โหลดจาก Hugging Face พร้อมสแตกการเสิร์ฟของคุณเอง และ ZwZ2-9B ก็เช่นกัน สิ่งที่เราให้บริการคือสมาชิกในตระกูลเดียวกันที่ทำให้การเปรียบเทียบ Gemma รันได้โดยไม่ต้องเปลี่ยนวิธีที่คุณประเมินสิ่งใดเลย: Gemma 4 26B A4B สมาชิกแบบ mixture-of-experts ในตระกูลเดียวกัน บนโฮสต์เอนด์พอยต์ในราคา $0.06 ต่อล้านโทเคนอินพุต และ $0.33 ต่อล้านโทเคนเอาต์พุต พร้อมบริบท 262K โทเคนเช่นเดียวกัน เนื่องจาก OrcaRouter ส่งผ่านราคาตามรายการของผู้ให้บริการโดยบวกกำไร 0% การเปลี่ยนแปลงราคาฝั่งผู้ให้บริการจึงสะท้อนมาที่นี่ภายในวันเดียวกัน แทนที่จะรอการรีเฟรชแคตตาล็อกครั้งถัดไป — ซึ่งสำคัญเมื่อสิ่งที่คุณกำลังทำคือการเปรียบเทียบต้นทุนระหว่างโมเดลที่คุณโฮสต์เองกับโมเดลที่คุณเช่า อีกด้านหนึ่งของการเปรียบเทียบ ตัวแทนแบบโฮสต์ที่ใกล้เคียงที่สุดสำหรับสิ่งที่ ZwZ2-9B พยายามจะเป็น คือ qwen/qwen3-vl-8b-instruct โมเดล vision-language ขนาด 8B ที่มีบริบท 131K ในราคา $0.18 และ $0.70 ซึ่งมีเอกสารประกอบ มีสิทธิ์ใช้งาน และพร้อมใช้งานแล้วตอนนี้

อะไรจะทำให้บทความนี้เปลี่ยนไป

การ์ดโมเดลหนึ่งใบ พูดให้เจาะจงก็คือ ใบอนุญาตหนึ่งฉบับ ย่อหน้าหนึ่งย่อหน้าเกี่ยวกับข้อมูลที่ใช้ฝึก และตารางประเมินผลหนึ่งตารางที่จัดทำโดยคนที่ไม่ได้ฝึกโมเดลนั้น จนกว่าจะถึงตอนนั้น สรุปอย่างซื่อสัตย์เมื่อเทียบ ZwZ2-9B กับ Gemma 4 12B จึงไม่ใช่ว่าตัวหนึ่งดีกว่า แต่เป็นว่าตัวหนึ่งมีอยู่จริงในฐานะผลิตภัณฑ์ ส่วนอีกตัวมีอยู่เพียงในฐานะรายการไฟล์ และช่องว่างระหว่างสองสิ่งนั้นคือระยะทางที่แพงที่สุดในแมชชีนเลิร์นนิง

การเปรียบเทียบเช่นนี้ก็เป็นจุดที่รูปแบบความล้มเหลวปรากฏให้เห็นเช่นกัน: เหตุการณ์ AI และความล้มเหลวของเอเจนต์ที่มีการบันทึกไว้ซึ่งอยู่เบื้องหลังโมเดลในคลาสนี้ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive ซึ่งแต่ละรายการมีแหล่งอ้างอิง ระดับความรุนแรง เกรดความเชื่อมั่น และแฟล็กข้อโต้แย้งของตนเอง