SubQ Snap 1.1 對決 Gemma 4 12B：專精評審模型對上開放式通用模型

同時詢問SubQ Snap 1.1與Gemma 4 12B，在五百張支援工單中，哪些是退款申請，兩者都會產出可用的答案。只有其中一個還會逐張工單告訴你它有多確定；而且只有其中一個可以下載，並在你擁有的硬體上執行。這就是全部的比較；而它之所以無法得出誰勝誰負，是因為這兩個模型其實並不屬於同一個產品類別。Snap 1.1 是 Subquadratic 於 2026 年 10 月 22 日推出的決策模型：它會為一組固定選項評分，並不生成文字。Gemma 4 12B 則是 Google DeepMind 的開放權重通用模型，是一個約 120 億參數的稠密模型，採用 Apache 2.0 授權，能讀取文字、圖像、音訊與影片，並以文字回寫。

把它們當成可互相替代的選項，你就會犯下兩種錯誤之一：為一個你其實可以在筆電上跑的分類器支付 API 費用，或是試圖從一個從未被訓練成會棄權的模型身上取得結構化路由。若把它們視為同一條管線的兩個層次，它們其實配合得還算不錯。

每一個實際上是什麼

Gemma 4 12B 是 Gemma 4 系列的中間成員，介於裝置端的 E2B 與 E4B 模型，以及 26B-A4B 和 31B 等級之間。其顯著的架構主張是無編碼器：圖像區塊與音訊波形會直接投影到語言主幹，而非經過獨立的視覺與音訊編碼器。它提供推理組態與非推理組態，以 Apache 2.0 授權發布，也是團隊會選擇的模型類型，因為它可以微調、量化、嵌入並出貨，而無須徵求任何人許可。追蹤網站對確切發布日期說法不一——Artificial Analysis 和 BenchLM 說是 2026 年 6 月 3 日，llm-stats 說是 5 月 23 日——這小小提醒了我們，即使是開放發布的枯燥事實，也會因由誰統計而以不同方式重述。

SubQ Snap 1.1 刻意做得更窄。它最多接收 384K 個 token 的文字與圖像，外加一組由應用程式定義的答案集——一到十六個問題，每個問題二到 255 個選項——並回傳一個帶有機率的選擇。沒有可供解析的自由文字輸出，沒有要強制執行的 JSON schema，模型也無法回答你沒有提供給它的問題。Subquadratic 的論點是，這與生成是不同的運算工作，而稀疏注意力架構可以用每個 token 固定的運算量完成，不必對一份 300K token 的文件付出二次方注意力成本。

規格，並排對照

• 上下文 — SubQ Snap 1.1 單次可處理 384K 個 token；Gemma 4 12B 可處理 256K（262,144）個。

• 輸入模態 — Snap 1.1 接受文字與圖片；Gemma 4 12B 接受文字、圖片、音訊與影片。

• 輸出 — Snap 1.1 會從你的清單中回傳一個選項或分數，並附上機率；Gemma 4 12B 則會生成任意長度的文字。

• 價格 — Snap 1.1 每 100 萬個輸入 token 為 0.04 美元，輸出免費；Gemma 4 12B 在各供應商之間的中位數為每 100 萬個輸入 0.10 美元、每 100 萬個輸出 0.30 美元。

• 權重 — Snap 1.1 並未公開任何權重；Gemma 4 12B 以 Apache 2.0 授權釋出權重，你可下載、量化並自行架設。

• 校準 —— Snap 1.1 回報期望校準誤差為 0.014，且對無法回答的問題有 86% 的棄答率；Gemma 4 12B 並未公布可相比較的校準數據。

• 基準錨點 — Snap 1.1 在 Artificial Analysis Decision Index v1.0 上得分 65，並列第一；Gemma 4 12B 在 Artificial Analysis Intelligence Index 上得分 14，該數值為其規模級別的估計值。

最後兩列並不可比，不應在沒有警告的情況下並列呈現。決策指數衡量的是固定答案任務上的決策品質；智能指數衡量的則是一般推理能力。65 與 14 回答的是不同的問題。

雙方都能完成的任務，以及其所需付出的代價。

設想一個真實的路由呼叫：一串 8,000 個 token 的工單討論串、五個候選佇列、一個答案。Snap 1.1 每百萬輸入 token 收費 $0.04，輸出則不收費，因此這次呼叫成本約為 $0.00032。Gemma 4 12B 依供應商價格中位數，對相同的 8,000 個輸入 token 收費 $0.0008，另加輸出費用——單純標籤大約五個 token，也就是 $0.0000015，但會先思考再回答的推理設定，很容易花掉 200 到 400 個 token，那又是 $0.00006 到 $0.00012。

因此在 API 費率下，Snap 每次呼叫便宜兩到三倍，而且文件越長，差距越大，因為 Gemma 的輸入價格是 Snap 的兩倍半。在 100K 個 token 時，Gemma 尚未寫下任何內容之前，比較是 $0.004 對 $0.010。

現在就在你已經擁有的 GPU 上自行託管 Gemma 4 12B。每次呼叫的邊際成本降到只剩電費，而比較結果會完全反轉。這是這場比較中最關鍵的一件事：Snap 1.1 只有在你是按 token 購買推論時才比較便宜。如果你有閒置容量，Gemma 在邊際上就是免費的，而 Snap 永遠不會是。

Gemma 4 12B 勝出之處

顯而易見的答案是開放性，但更有用的版本更為具體。Apache 2.0 意味著沒有供應商能把你腳下的端點棄用，沒有速率限制能在凌晨兩點掐住批次作業，也沒有任何資料會離開你的網路。對於受監管的工作流程——理賠分流、臨床編碼、合約審閱——最後這一點通常在討論價格之前就已定調。

Gemma 還能做到 Snap 在結構上做不到的事。它會在路由器決定升級後撰寫升級摘要。它會讀取掃描表單、轉錄通話錄音，並在同一輪處理中回答關於兩者的問題。它可以用你自己標註的資料進行微調；對於窄域分類任務，這通常勝過任何通用模型的零樣本表現。根據廠商自己公布的數字，它在 MMLU-Pro 上得分 77.2、GPQA 上 78.8、LiveCodeBench v6 上 72.0——以尖端模型來說算普通，但對能跑在單一加速器上的模型而言，則完全不失水準。

它的弱點同樣具體：在沒有工具的情況下，Humanity's Last Exam 得分為 5.2，MRCRv2 長上下文檢索為 43.4，而在典型供應商速度下，首個 token 延遲約為 2.4 至 2.6 秒；對於代理迴圈中的路由跳轉而言，這偏慢。

SubQ Snap 1.1 勝出之處

三件事，依重要性排序。第一，校準式棄答。Snap 1.1 回報，在它無法正確回答的問題上，說「我不知道」的比率達 86%，而自家 1.0 版本在供應商的全知代理指標上僅 0.7%——這項改善是此版本的最大亮點。要讓通用 LLM 可靠地棄答，需要提示工程、信心啟發式判斷，或由第二個模型替第一個模型評分，而這些做法都不如一個把棄答當成明確訓練目標的模型來得乾淨俐落。

第二，上下文。以單次處理 384K 對比 256K，而且——更關鍵的是——不需要設計分塊策略。256K 的通用模型在技術上能容納整份文件；但它能否從文件中段檢索出正確的句子則是另一回事，而 Gemma 在 MRCRv2 上的 43.4 分表明，誠實的答案可能是「有時」。

第三，輸出形式。針對你的五個佇列給出機率，可直接當作路由閾值使用；生成的句子則不行，而把前者轉換成後者的黏合程式碼，正是大多數生產環境分類錯誤的所在。

Snap 所缺乏的是對 {{1}}1.1{{/1}} 的任何獨立驗證。現有的第三方評估測試的是預覽模型，其中一項是由 {{2}}95pctai{{/2}} 進行、將 Snap 與 {{3}}Gemma 4 31B{{/3}} 比較的文件相關性評分研究，發現 Snap 的速度約快一倍、每次執行價格約便宜一半，但漏掉了 21 個 Gemma 基準模型有抓到的答案。該研究作者指出，評審與基準模型都是 Google 模型，這可能對 Gemma 有利，而且 Snap 只執行了一次。

部署現實

Gemma 4 12B 不在 OrcaRouter 的型錄中。我們提供同一家族的 26B-A4B 與 31B 等級，而 12B 可透過 Google 自家管道及多個第三方平台取得。Snap 1.1 同樣不是我們的：它是透過 Subquadratic 的 API（console.subq.ai）提供。

對大多數團隊來說，實際的問題不是該統一採用哪一家，而是決策層與生成層是否應該共用同一個依賴。它們的故障方式並不相同。路由器若宕機，會在任何工作開始之前就讓你的流水線停擺；生成器若宕機，則會讓流水線在執行到一半時中斷。讓兩者分別由不同供應商承擔——在 OrcaRouter 上，一組金鑰即可使用 200 多個生成模型，較供應商列表價加價 0%，並具備自動故障轉移，決策模型則另用一份合約——意味著任何一家供應商出了狀況，只會讓流水線降級，而不是讓它停擺。

如何在一次處理中做出決定

若決策是從固定選項集中產生標籤、文件很長，且你無法自行託管權重：選 Snap 1.1，並編列預算自行建立評估框架，因為這個版本還沒有人發布過可用的評估框架。

如果決策結果是一個標籤，但同一次呼叫還必須產生文字，或者資料不能離開你的網路，或者你有閒置的 GPU 容量：Gemma 4 12B 只要用幾千個你自己的範例進行微調，通常就會在你特定的任務上勝過通用型決策模型。

如果你真的不確定，成本低的實驗方式，是讓兩者在同一批 2,000 個已標註案例上跑一遍，然後比較的不是準確率，而是各自犯錯所帶來的成本。Snap 會更常棄答。Gemma 會回答更多，也更常出錯卻不說明。這兩者哪個更糟，取決於你的業務特性，而不是任何一個模型。