
Aion-1.0-Instruct-2.3B so với Gemma 4 12B: Trọng số gấp năm lần và bằng chứng gấp mười lần
- OrcaMỚIOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 trên 1 triệu token · 188 tok/s
- tencentMỚITencent: Hy4 Flash2026-11-16$0.02 / $0.07 trên 1 triệu token · 205 tok/s
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 87 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 97 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 trên 1 triệu token · 124 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 110 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 trên 1 triệu token · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
Đặt Aion-1.0-Instruct-2.3B bên cạnh Gemma 4 12Bvà khoảng cách về tham số là điều kém thú vị nhất ở chúng. Checkpoint của Microsoft có 2,29 tỷ tham số và được đăng lên Hugging Face vào ngày 18 tháng 11 năm 2026 mà không có thông báo nào; còn của Google DeepMind là 11,95 tỷ, Apache 2.0, và có thể tải xuống từ tháng 5 năm 2026 với một model card trình bày đầy đủ bảng đánh giá cùng một cộng đồng đã tải trọng số về hơn một triệu lần. Khoảng cách đáng chú ý là một trong hai mô hình đã được người lạ kiểm tra còn mô hình kia thì chưa được ai kiểm tra cả.
Đây là so sánh giữa hai bản phát hành mở chứ không phải giữa hai API, nên mọi khẳng định dưới đây đều có thể kiểm chứng bằng cách tải xuống một thứ gì đó. Các số liệu của Aion-1.0-Instruct-2.3B đến từ model card và config.json trong kho lưu trữ của mô hình, cả hai đều được đọc trực tiếp hôm nay. Các số liệu của Gemma 4 12B đến từ model card của Google, và các con số benchmark của nó là của chính nhà cung cấp — được báo cáo, không được tái tạo độc lập, một điểm khác biệt quan trọng đối với cả hai mô hình ở đây.
Bảng so sánh mà không ai có thể điền đồng đều
Sáu chiều, cả hai bên, và một ghi chú ở chỗ một bên đơn giản là không có gì để đặt vào ô.
• Tham số — Aion-1.0-Instruct-2.3B có ~2,29B tham số dense với embedding được chia sẻ; Gemma 4 12B có 11,95B tham số dense trên 48 lớp.
• Giấy phép — MIT cho Aion, Apache 2.0 cho Gemma. Về mặt thương mại, cả hai đều thực tế không bị hạn chế; MIT đơn giản hơn một chút khi tuân thủ vì nó không kèm theo cấp phép bằng sáng chế nào cần cân nhắc.
• Ngữ cảnh — 32.768 token so với 256K, mức chênh lệch gấp tám lần quyết định liệu toàn bộ kho mã có vừa trong một lời nhắc hay không.
• Đầu vào — chỉ văn bản so với văn bản, hình ảnh và âm thanh, với điểm mấu chốt của Gemma 4 12B là nó không có bộ mã hóa riêng: các mảnh hình ảnh và dạng sóng âm thanh được chiếu thẳng vào không gian nhúng của bộ giải mã.
• Ngôn ngữ — tám ngôn ngữ cho Aion (tiếng Anh, tiếng Đức, tiếng Tây Ban Nha, tiếng Bồ Đào Nha, tiếng Ý, tiếng Pháp, tiếng Trung, tiếng Nhật, với dữ liệu đa ngôn ngữ chiếm khoảng 6% quá trình huấn luyện); hơn 140 ngôn ngữ được công bố cho Gemma.
• Đánh giá đã công bố — Aion: 11 benchmark trên một harness có tên, tất cả đều do nhà cung cấp tự chạy. Gemma: hơn 15 benchmark cùng với các dòng thị giác, âm thanh và ngữ cảnh dài, tất cả đều do nhà cung cấp tự chạy.
11 con số của Microsoft nói lên điều gì
Thẻ Aion thẳng thắn hơn hầu hết các bản phát hành âm thầm. Thẻ nêu rằng các benchmark được chạy trên lm-evaluation-harness của EleutherAI ở những nơi có sẵn phần triển khai tác vụ, và trên kho lưu trữ riêng của từng benchmark trong các trường hợp còn lại; rằng GPT-4o đã đánh giá những benchmark phụ thuộc vào giám khảo; và sau đó in ra các điểm số: 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.
Hai trong số đó có kèm một từ hạn định trong cột ghi chú — GSM8K là “khớp lỏng”, IFBench là “lỏng ở mức prompt” — và thẻ không giấu chúng. Đó là kiểu công bố mà đội marketing sẽ gỡ bỏ còn đội đánh giá thì giữ nguyên. Điều đó cũng có nghĩa là các con số nên được đọc như một mức sàn chứ không phải lời chào hàng: mức 33,35 trên MMLU-Pro và 28,18 trên GPQA không phải là những con số mà ai đó sẽ chọn để dẫn đầu.
Thẻ mô hình cũng thẳng thắn không kém về những gì mô hình không thể làm. Phần hạn chế của thẻ nói rằng một mô hình nhỏ cỡ này "có thể bỏ sót các chi tiết nhỏ, đưa ra thông tin sai lệch hoặc tỏ ra không có khả năng theo dõi lý luận nhiều bước phức tạp", và phần khuyến nghị nói rằng mô hình "không được huấn luyện để giỏi về kiến thức thế giới". Đó là lời của nhà cung cấp, không phải của chúng tôi, và chúng khớp với điểm số chứ không mâu thuẫn với chúng.
Chín tỷ tham số thừa của Gemma thực sự đi đâu
Thẻ của Gemma 4 12B liệt kê MMLU Pro 77.2, GPQA Diamond 78.8, AIME 2026 không dùng công cụ 77.5, LiveCodeBench v6 72.0, Codeforces ELO 1659, Tau2 lấy trung bình qua ba lần chạy là 69.0, BigBench Extra Hard 53.0 và MMMLU 83.4. Thẻ cũng ghi MMMU Pro 69.1 và MATH-Vision 79.7 cho thị giác, CoVoST 38.5 và FLEURS 0.069 cho âm thanh, và 55.3 trên RULER ở 128K.
So sánh trực tiếp những thứ đó với bảng của Aion sẽ là không trung thực, vì hầu như không có benchmark nào được chia sẻ, các harness khác nhau, và một bên là mô hình chỉ văn bản được chấm điểm so với một mô hình đa phương thức trên các tác vụ thưởng cho cách huấn luyện khác nhau. Điều có thể nói là mang tính định hướng và thẳng thắn: trên hai hàng mà tên benchmark trùng nhau, MMLU-Pro và MMMLU, Gemma báo cáo cao hơn lần lượt 43,8 và 37,9 điểm. Đó không phải là một điểm bất thường trong cách chấm điểm. Đó là những gì mà thêm 9,7 tỷ tham số và bảy tháng huấn luyện hậu kỳ nữa mang lại.
Quan sát hữu ích hơn là cách Gemma tận dụng kích thước của mình. Cơ chế chú ý lai của nó xen kẽ các lớp cửa sổ trượt cục bộ ở 1.024 token với cơ chế chú ý toàn cục đầy đủ, còn các lớp toàn cục chia sẻ khóa và giá trị đồng thời áp dụng RoPE theo tỷ lệ — một thiết kế kỹ thuật nhằm trực tiếp giữ cho bộ nhớ ngữ cảnh dài ổn định. Aion làm điều tương tự ở quy mô nhỏ hơn với cửa sổ trượt 2.048 token trên 21 trong số 28 lớp của nó. Cả hai mô hình đều đang giải cùng một bài toán; một mô hình có ngân sách gấp năm lần để giải bài toán đó.
Dấu chân bộ nhớ là cột duy nhất mà Aion thắng tuyệt đối.
Ở bfloat16, Aion-1.0-Instruct-2.3B có kích thước khoảng 4,6 GB. Gemma 4 12B nặng khoảng 24 GB trước khi bạn đụng đến bộ lượng tử hóa, điều này khiến nó chỉ chạy được trên GPU máy trạm hoặc một laptop bị lượng tử hóa mạnh, và hoàn toàn không chạy trên điện thoại. Đó không phải là lời chỉ trích Gemma — nó chưa bao giờ hướng đến điện thoại — nhưng đó chính là lý do duy nhất khiến mô hình của Microsoft tồn tại. Cách định khung của card là Windows trên thiết bị: các tác vụ văn bản và hệ điều hành, ngay trên máy, với dữ liệu không bao giờ rời khỏi đó.
Lưu ý trung thực là cửa sổ 32K đạt được nhờ mở rộng quy mô, không phải nhờ huấn luyện ở độ dài đó. Cấu hình ghi original_max_position_embeddings là 2.048 với hệ số YaRN 16 chỉ trên các lớp full-attention, và chưa có đánh giá ngữ cảnh dài nào của mô hình được công bố. Vì vậy "32K" là một giới hạn được cấu hình, không phải năng lực đã được chứng minh. 256K của Gemma ít nhất có một dòng RULER đứng sau, do nhà cung cấp chạy và ở mức 55,3 — khiêm tốn, nhưng có.
Quyết định phân tích thành nhân tử, không phải quyết định mô hình
Hai mô hình này thuộc các lớp khác nhau trong cùng một sản phẩm, và đó thường là cách các nhóm sử dụng chúng. Aion-1.0-Instruct-2.3B đảm nhận lượt xử lý trên thiết bị: che/xóa thông tin nhạy cảm, tóm tắt, viết lại, phân loại, giữ tài liệu ở lại cục bộ. Gemma 4 12B đảm nhận những trường hợp cần đọc ảnh chụp màn hình, chép lời một đoạn âm thanh, giữ một cơ sở mã 100K token trong ngữ cảnh, hoặc một ngôn ngữ nằm ngoài tám ngôn ngữ của Aion. Không mô hình nào thay thế mô hình kia, và sai lầm cần tránh là chọn mô hình nhỏ cho một công việc cần mô hình lớn chỉ vì mô hình nhỏ được tải miễn phí.
Khi cả hai đều được gọi từ cùng một codebase, chi phí vận hành không nằm ở token — mà ở SDK thứ hai, chính sách thử lại thứ hai và bộ thông tin xác thực thứ hai. Đó là lúc một router phát huy giá trị: OrcaRouter đặt hơn 200 mô hình sau một khóa với mức 0% chênh lệch giá so với giá niêm yết của nhà cung cấp, cùng khả năng chuyển đổi dự phòng tự động và một DSL định tuyến có thể gửi yêu cầu qua một chuỗi mô hình thay vì chỉ đến một mô hình. Nói chính xác về những gì hiện có và không có trong danh mục của chúng tôi hôm nay: dòng Gemma 4 hiện diện một phần — các biến thể 26B A4B và 31B có trong danh sách — trong khi Gemma 4 12B và Aion-1.0-Instruct-2.3B thì không, vì mô hình đầu là bản phát hành trọng số tự lưu trữ và mô hình thứ hai không có endpoint được lưu trữ ở bất kỳ đâu. Lập luận về định tuyến áp dụng cho bất kỳ mô hình anh em nào của các mô hình này mà bạn kết hợp cùng chúng, chứ không áp dụng cho chính hai checkpoint này.
Một lệnh triển khai thất bại một cách an toàn
Bắt đầu với Gemma 4 12B trên khối lượng công việc bạn đã có, vì bạn có thể đo lường được nó. Card của nó cho bạn một mẫu số, trọng số của nó ổn định, và bất kỳ sự suy giảm nào bạn thấy đều là suy giảm của chính bạn chứ không phải là tạo tác từ một bản tải lên đã ba ngày tuổi.
Sau đó, hãy lấy Aion-1.0-Instruct-2.3B và chạy nó trên phạm vi hẹp mà bạn định đưa lên thiết bị — ví dụ, tóm tắt chuỗi email hoặc che thông tin trong tài liệu — bằng dữ liệu của chính bạn và chuẩn độ chính xác của chính bạn. Đừng dùng điểm MMLU của nó như một đại diện thay thế cho tác vụ của bạn; thẻ mô hình của chính nó cảnh báo rằng nó không được huấn luyện về kiến thức thế giới, và điểm 55.15 trên MMLU cho bạn biết nhiều hơn về kiến thức vụn vặt so với việc liệu các bản tóm tắt của bạn có trụ được qua bước đánh giá hay không.
Chỉ khi đó mới quyết định xem lượt xử lý cục bộ thay thế một lệnh gọi tới dịch vụ được lưu trữ hay đứng trước một lệnh gọi như vậy. Mô hình hiệu quả là mô hình nhàm chán: mô hình nhỏ xử lý lượt đầu tiên ngay tại máy, có kiểm soát bằng ngưỡng tin cậy, còn các trường hợp khó thì được đẩy lên một thứ lớn hơn. Điều đó mang lại thuộc tính riêng tư trên phần lớn lưu lượng và giữ trần chất lượng ở mức cần thiết.

Thẻ của Google ghi những con số mà thẻ của Aion chưa thể được so sánh một cách công bằng: MMLU Pro 77.2, GPQA Diamond 78.8, MMMU Pro 69.1 và cửa sổ 256K, tất cả đều do nhà cung cấp báo cáo.
Điều gì sẽ khiến đây trở thành một bài viết khác?
Một lần chạy harness độc lập với Aion-1.0-Instruct-2.3B sẽ làm được điều đó. Tại thời điểm viết, kho lưu trữ có ba lượt thích và không có lượt tải xuống nào được ghi nhận, vì vậy hoàn toàn không có bằng chứng cộng đồng nào — không có chủ đề diễn đàn, không có bản dựng lượng tử hóa, không có đánh giá của bên thứ ba. Thẻ mô hình hứa rằng các phiên bản lượng tử hóa sẽ ra mắt sau; khi một GGUF xuất hiện, câu chuyện chạy cục bộ không còn mang tính lý thuyết nữa và số lượt tải xuống bắt đầu có ý nghĩa.
Cho đến lúc đó, phép so sánh vẫn giữ nguyên như hiện tại: Gemma 4 12B là một đại lượng đã được biết rõ với chi phí thực sự, còn Aion-1.0-Instruct-2.3B là một mô hình rất nhỏ, rất mới, được tài liệu hóa một cách trung thực, mà thuộc tính quý giá nhất của nó là nó chạy được ở nơi mạng không vươn tới.

Thẻ của Microsoft là nguồn cho con số 2,29 tỷ tham số, tám ngôn ngữ được hỗ trợ và mốc kiến thức 2025-12; dấu thời gian của nó là tín hiệu phát hành duy nhất hiện có.

Đặt cạnh nhau: khía cạnh mà Aion chiếm ưu thế (dấu chân) và những khía cạnh mà nó không chiếm ưu thế (ngữ cảnh, phương thức, ngôn ngữ, và độ sâu của bằng chứng đằng sau các con số).
