بطاقة عنوان مُولّدة تحمل النص «DaisyRose 27B مقابل Gemma 4 26B A4B»، وعنوانها الفرعي «يُقرأ 27.8B عند كل رمز، ويُقرأ 3.8B لكل رمز»، فوق ثلاث بطاقات مستديرة الحواف تحمل «DaisyRose: 27.8B كثيف، تدريب لاحق بالتعلم المعزز فقط»، و«Gemma 4 26B A4B: إجمالي 25.2B، و3.8B نشطة»، و«سعر الاستضافة: $0.06 للإدخال، و$0.33 للإخراج لكل مليون»، مع تذييل يحمل «أرقام DaisyRose وفقًا لـ RadixArk، نوفمبر 2026؛ وأرقام Gemma وفقًا لـ Google DeepMind». ويقع شعار OrcaRouter في الزاوية السفلية اليمنى.
Guides & Insights

DaisyRose 27B مقابل Gemma 4 26B A4B: 27.8B كثيف مقابل 3.8B نشط

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

إن DaisyRose 27B وGemma 4 26B A4B نموذجان من الفئة الوزنية نفسها، لكن بنيتَي التكلفة لديهما مختلفتان تمامًا، ويجعل بند السعر ذلك ملموسًا أسرع من أي اختبار أداء. يُقدَّم Gemma 4 26B A4B — البالغ 25.2 مليار معامل، يُقرأ منها 3.8 مليار لكل رمز — على OrcaRouter بسعر $0.06 لكل مليون رمز إدخال و$0.33 لكل مليون رمز إخراج. أما DaisyRose 27B، وهو تدريب لاحق قائم على التعلم المعزز فقط أجرته RadixArk على Qwen3.8-27B ونُشر في 18 نوفمبر 2026، فهو نموذج كثيف بـ27.8 مليار معامل يُقرأ كل واحد منها عند كل رمز، ويُتاح كأوزان BF16 بحجم 52 غيغابايت، ولا تتوفر له واجهة برمجة تطبيقات مستضافة لدى المورّد، ويحتاج إلى وحدة معالجة رسومات في مركز بيانات كي يعمل أصلًا. أحدهما نموذج تستأجره بالسنت، والآخر نموذج تنشره. وكل ما تبقى في هذه المقارنة ينبثق من ذلك.

الصورة التي ترسمها المعايير مثيرة للاهتمام حقًا وناقصة حقًا: يشترك النموذجان في صفّين عامّين فقط، هما GPQA Diamond وHumanity's Last Exam، وفي كليهما يتقدّم DaisyRose 27B بفارق أوسع بكثير من فرق عدد المعاملات. أما ما إذا كان هذا الفارق سيصمد عند الاحتكاك بإطار تقييم مشترك، فهو السؤال الذي لا تستطيع هذه الصفحة الإجابة عنه، وهي تقول ذلك صراحةً.

الاسم هو مواصفة

تحمل تسمية Gemma 4 26B A4B سياستها للتوجيه، وتنص بطاقة G​oogle الخاصة بها على التفسير مباشرةً: «يرمز الحرف "A" في 26B A4B إلى "المعاملات النشطة" على النقيض من العدد الإجمالي للمعاملات التي يتضمنها النموذج».

• إجمالي المعاملات — 25.2 مليار. • النشط لكل رمز — 3.8 مليار. • تخطيط الخبراء — 8 من 128 خبيرًا نشطًا بالإضافة إلى خبير مشترك واحد، يُختار لكل رمز. يُقرأ الخبير المشترك دائمًا، ولهذا لا يكون العدد النشط ببساطة 8/128 من الإجمالي. • الطبقات — 30، بنافذة منزلقة بحجم 1,024 رمزًا.

لا يمتلك DaisyRose 27B بنية كهذه يمكن وصفها. فهو محوّل كثيف: 27.8 مليار معامل، منها 0.46 مليار لمُشفّر رؤية و0.42 مليار لرأس تنبؤ متعدد الرموز، دون وجود موجّه بين المدخلات والحوسبة. وكل رمز يدفع مقابل كل وزن.

النتيجة العملية هي الرقم الوحيد الذي يفصل بين هذه النماذج أكثر من أي اختبار قياسي. فالنموذج المتناثر الذي يعمل بـ3.8B من المعاملات النشطة يعمل بسرعة قريبة من سرعة نموذج 4B بينما يحمل ذاكرة نموذج 25B — وتصرّح بطاقة G​oogle بذلك مباشرةً، إذ تصف نسخة MoE بأنها تعمل «بسرعة تقارب سرعة نموذج ذي 4B معامل تقريبًا». أما النموذج الكثيف البالغ 27.8B فيعمل بسرعة نموذج 27.8B، ولم ينشر أحد تلك السرعة: فبطاقة RadixArk لا تتضمن أي رقم للرموز في الثانية لأي تهيئة عتادية.

ما الذي اشتراه RL، وما الذي لم يشتره

تدريب DaisyRose 27B هو الجزء من هذه المقارنة الذي لا نظير له في جانب Gemma. استخدمت RadixArk التعلم المعزز فقط — دون أي مرور ضبط دقيق خاضع للإشراف، ودون تقطير — على نحو 1,200 مهمة وكيل منسقة طويلة الأفق بُنيت باستخدام Eigent AI، مع جلسات تصل إلى مليون رمز، ولمدة ثمانية عشر يومًا على 144 من وحدات H200 وحوالي 63,000 ساعة GPU. لم يكن الهدف رفع القدرات العامة، بل تحقيق هدف محدد: جعل نموذج بحجم 27B أفضل في حلقة قراءة المهمة، واستدعاء أداة، وقراءة النتيجة، وتصحيح الخطأ.

يظهر ذلك في الصفوف التي يمكن فيها مقارنة النموذجين فعليًا، ولا يظهر بشكل موحّد.

• GPQA Diamond — DaisyRose 27B بنتيجة 90.7 مقابل 82.3 لـ Gemma 4 26B A4B. الرقمان كلاهما مُبلَّغ عنهما من الجهة المصنّعة: رقم RadixArk مستخلص من ثماني عمليات تشغيل على 198 سؤالًا باستخدام قالب simple-evals مع إعادة خلط ترتيب الإجابات؛ أما رقم Google فهو رقم واحد منشور على بطاقة النموذج.

• Humanity's Last Exam، بدون أدوات — DaisyRose 27B بنتيجة 34.3 مقابل 8.7 لـ Gemma 4 26B A4B. هذه أوسع فجوة في أي من الجدولين، وهي الأكثر مدعاةً للشك، لأن الإعدادات تختلف: شغّل RadixArk خمس محاولات لكل مسألة مع GPT-6 Luna كمُقيِّم وبدون أدوات؛ أما 8.7 الخاصة بـ Google فهي الرقم الخاص بغياب الأدوات، مع 17.2 عندما يُسمح للنموذج باستخدام أداة بحث.

وجود صفّين ليس مقارنة، ولا أيٌّ من المورّدين شغّل منظومة اختبار الآخر. ما تشير إليه فجوة HLE فعليًا — وهي إشارة لا قياس — هو أن التدريب اللاحق الموجّه نحو جلسات وكيلية طويلة ينتقل إلى أسئلة استدلال صعبة بطريقة لا تفعلها بنية متفرقة دُرّبت مسبقًا على قدرة واسعة. وما لا تُظهره هو أن الأثر يبلغ 25 نقطة، لأن منظومات الاختبار مختلفة وأحد الرقمين يأتي من نموذج مُنِح أدوات في إعداداته الأفضل.

A screenshot of the Hugging Face model card for google/gemma-4-26B-A4B-it, showing the repository header, the mixture-of-experts description with 25.2B total and 3.8B active parameters, the 256K-token context, the Apache 2.0 licence and the benchmark table.

الصفوف التي يملكها جانب واحد فقط

تنشر كلتا البطاقتين معايير أداء لا تنشرها الأخرى، وهذا التفاوت نفسه يكشف عما اعتبره كل مصنّع جديرًا بالإثبات.

تنشر Gemma 4 26B A4B جدولاً كاملاً للقدرات العامة: MMLU Pro 82.6، وAIME 2026 دون أدوات 88.3، وLiveCodeBench v6 77.1، وCodeforces ELO 1718، وTau2 بمتوسط على ثلاثة 68.2، وBigBench Extra Hard 64.8، وMMMLU 86.3، وMMMU Pro 73.8، وMATH-Vision 82.4، وMRCR v2 عند ثماني إبر وسياق 128K 44.1. لا يوجد صف Terminal Bench ولا SWE-bench ولا IFBench على البطاقة.

تنشر DaisyRose 27B بدلاً من ذلك مجموعة نتائج الوكلاء واتباع التعليمات: Terminal Bench 4.1 بنتيجة 12.0 مقابل خط أساس قدره 5.6، وTerminal Bench 2.1 بنتيجة 75.5، وDeepSWE v1.1 بنتيجة 46.2، وSWE Bench Pro v2 بنتيجة 94.7، وIFBench بنتيجة 82.4. لا يوجد صف لـ MMLU Pro ولا AIME ولا Codeforces على البطاقة.

عند قراءتهما معًا، يصف الجدولان منتجين مختلفين. تنشر Google نموذجًا عامًا وتُثبت جدارته عبر المجموعة الأكاديمية القياسية. وتنشر RadixArk نموذجًا للوكلاء وتُثبت جدارته عبر مجموعة الوكلاء القياسية. والتقاطع هو صفّان من نحو عشرين صفًا، ومن يختار بينهما إنما يختار في الأساس المجموعة التي تهمّه — وهو قرار أبسط بكثير مما توحي به أعمدة الدرجات.

أين يعمل كل واحد

هذا هو القسم الذي يحسم المقارنة بالنسبة لمعظم القراء، لأن قصص النشر لا تتقاطع على الإطلاق.

• Gemma 4 26B A4B — يُستضاف اليوم مقابل 0.06 دولار لكل مليون رمز إدخال و0.33 دولار لكل مليون رمز إخراج على OrcaRouter، إلى جانب نسخة مُستضافة على Obsidian من المعمارية نفسها. الأوزان المفتوحة بترخيص Apache 2.0، بصيغة bfloat16 (نحو 51.6 GB موزعة على شاردتين)، وملف Q4_0 GGUF مُدرَّب بوعي بالتكميم يضعه على بطاقة استهلاكية واحدة، ونسخة w4a16 compressed-tensors لـ vLLM، ومسوّد multi-token-prediction للفك التشفير التخميني. يصف منشور Google حول عائلة النماذج الحجمين الأكبر بأنهما يتناسبَان "بكفاءة على بطاقة 80GB NVIDIA H100 GPU واحدة."

• DaisyRose 27B — BF16 عند حوالي 52 GB، وFP8 عند حوالي 29 GB، وNVFP4 عند حوالي 23 GB ومخصص لـ Blackwell فقط، بالإضافة إلى مسودة DSpark لفك الترميز التخميني لـ SGLang. تدرج RadixArk النشر على وحدة GPU واحدة على H200 وB200 وGB300 وRTX PRO 6000 وRTX 5090 وDGX Spark. لا يوجد سعر لواجهة API مستضافة؛ وتعرض قوائم طرف ثالث 0.15 دولار لكل مليون رمز إدخال و1.88 دولار لكل مليون رمز إخراج، وهو سعر افتتاحي من مضيف واحد وليس سعرًا من البائع.

تضع تلك الأرقام فجوة التكلفة المستضافة عند نحو ضعفين ونصف على الإدخال وقرابة ستة أضعاف على الإخراج، لصالح الطرف الثالث. هذه هي المقارنة الصادقة بسعر القائمة. وهي أيضًا المقارنة التي تتغير بمجرد أن يصبح عبء العمل طويلًا: يواصل نموذج متناثر دفع 3.8B من الحوسبة لكل رمز بينما يدفع نموذج كثيف 27.8B، لذا تتسع الفجوة في زمن الاستجابة وفي ثواني العتاد قبل أن تتسع في الدولارات لكل مليون رمز بوقت طويل.

A generated two-column scoreboard titled 'DaisyRose 27B vs Gemma 4 26B A4B — the scoreboard'. Left column DaisyRose 27B: parameters 27.8B dense; active per token 27.8B; context 262,144 tokens; GPQA Diamond 90.7; HLE no tools 34.3; hosted price none, self-host only. Right column Gemma 4 26B A4B: parameters 25.2B total; active per token 3.8B; context 256K tokens; GPQA Diamond 82.3; HLE no tools 8.7; hosted price $0.06 in, $0.33 out per million. A footer reads 'Vendor-reported on both sides; harnesses differ, no shared run.' The OrcaRouter logo sits in the bottom-right.

ما قيمة التدريب القائم على الوكلاء لكل دولار

النسخة المثيرة للاهتمام من هذه المقارنة ليست «أي النموذجين يحصل على درجات أعلى»، بل «ما تكلفة التحسّن الوكيلي لكل مهمة». يوجد نموذج RadixArk لأن نموذجه الأساسي، Qwen3.8-27B، يحقق 5.6 في Terminal Bench 4.1 و12.0 بعد التدريب اللاحق. إذا كنت تشغّل وكيل برمجة ينفّذ الأوامر، فهذا هو الفرق بين نموذج لا يستطيع في الغالب ونموذج يستطيع أحيانًا، ومضاعفة رقم صغير تستحق مالًا حقيقيًا لدى المشتري المناسب.

لا يمتلك Gemma 4 26B A4B أي رقم على الإطلاق في Terminal Bench، مما يجعل ادعاء القيمة غير قابل للقياس من البيانات العامة. ما يمتلكه فعلاً هو سعر يجعل التجربة رخيصة: فبـ 0.06 دولار لكل مليون توكن إدخال يمكنك تشغيل بضعة آلاف من مسارات الوكيل بتكلفة ساعة واحدة من H200، ومعرفة ما إذا كان النموذج يفشل بطريقة تهم عبء العمل لديك. تجعل البنية المتناثرة ذلك رخيصاً مرتين — فسعر التوكن منخفض والتوكنات تعود سريعة.

هذا هو شكل القرار الحقيقي. DaisyRose 27B نموذج متخصص خضع لتدريب لاحق، وله ادعاء وكيلي محدّد مُبلَّغ عنه من البائع، ولا سعر استضافة له. Gemma 4 26B A4B نموذج عام له جدول قدرات منشور واسع، وملف استدلال سريع، وسعر قائمة يُقاس بالسنتات لكل مليون رمز. إذا كانت مهمتك استخدام الأدوات طويل الأمد وكنت تستطيع الاستضافة، فإن النموذج المتخصص يستحق القياس المرجعي. أما إذا كانت مهمتك أي شيء آخر، أو لم تكن تستطيع الاستضافة، فإن النموذج العام بسعر $0.06 يتفوق في المحور الوحيد المهم.

تشغيل كلاهما من مفتاح واحد

Gemma 4 26B A4B متاح على OrcaRouter اليوم تحت google/gemma-4-26b-a4b-it، بسعر 0.06 دولار لكل مليون رمز إدخال و0.33 دولار لكل مليون رمز إخراج، مع سياق من 262,144 رمزًا وإدخال نصي وصورة وفيديو. DaisyRose 27B ليس في الكتالوج وقت كتابة هذه السطور ولن توحي هذه الصفحة بغير ذلك — فهو إصدار مُستضاف ذاتيًا عبر SGLang وvLLM وDocker.

غير أن نموذجه الأساسي متاح: يُقدَّم Qwen3.8-27B باسم qwen/qwen3.8-27b بسعر 0.33 دولار لكل مليون توكن إدخال و2.40 دولار لكل مليون توكن إخراج، مع السياق نفسه البالغ 262,144 توكن وبرج الرؤية نفسه الذي يحتفظ به التدريب اللاحق. يمنح ذلك القارئ أمرين مفيدين: خط أساس من العائلة نفسها لتشغيله على مطالباته قبل أن يقرر ما إذا كان التدريب اللاحق بالتعلم المعزز يستحق النشر، ومسار احتياطي. إذا واجهت نسخة DaisyRose المستضافة ذاتيًا مهلة في صندوق الرمل، فإن قاعدة توجيه يمكنها تحويل الاستدعاء إلى النموذج الأساسي بدل إسقاطه، ولأننا نمرّر أسعار القائمة من المزوّد بهامش ربح 0%، فإن أي تغيير سعري من جانب المزوّد على أي من الطرفين يصل إلى المفتاح نفسه في اليوم الذي يسري فيه.

الخطوة التالية الأرخص ليست اختبارًا مرجعيًا: بل تشغيل Gemma 4 26B A4B وQwen3.8-27B على تتبعات الوكيل الخاصة بك، بهذا الترتيب — النموذج الرخيص أولًا، لترى أين تفشل مهامك فعليًا، ثم خط الأساس الأكثر تكلفة لترى ما إذا كان موضع الفشل يعود إلى خطأ النموذج الأساسي. وعندها فقط يكون لتدريب لاحق بالتعلم المعزز لمدة ثمانية عشر يومًا ما يثبته بالمقارنة معه.

مقارنات في هذه المقالة1

مستخرج من هذه المقالة · المعايير: Artificial Analysis · يُحدَّث يوميًا