LBS-27B vs. Gemma 4 26B A4B: Was ein leeres Repository schlagen muss

Wenn Ihre Workload ein Bild, eine gescannte Seite oder einen Screenshot umfasst, ist der Vergleich zwischen LBS-27B und Gemma 4 26B A4B bereits entschieden. Gemma 4 26B A4B akzeptiert Bilder und Videoframes und gibt Text zurück; LBS-27B existiert noch in keiner ausführbaren Form, akzeptiert also nichts. Alles andere in diesem Duell ist die Frage, was aus dem leeren Repository von inclusionAI werden könnte, und die ehrliche Antwort darauf besteht darin, den Maßstab zu beschreiben, den Gemma bereits gesetzt hat, statt vorzugeben, die beiden Modelle seien miteinander gemessen worden.

Diese Asymmetrie ist die ganze Geschichte. Eines dieser Modelle ist seit März 2026 auf Hugging Face, hat 8,1 Millionen Downloads, eine vollständige Evaluierungstabelle und einen veröffentlichten Preis. Das andere wurde am 26. Oktober 2026 um 05:36 UTC erstellt und enthält einen Lizenzheader und sonst nichts. Eine Gegenüberstellung, die sie als gleichrangig behandelt, wäre Fiktion. Eine Gegenüberstellung, die Ihnen sagt, was LBS-27B schlagen müsste, ist nützlich, und genau das folgt.

Die bekannte Seite der Bilanz

Gemma 4 26B A4B ist ein Mixture-of-Experts-Modell mit insgesamt 25,2 Milliarden Parametern und 3,8 Milliarden aktiven Parametern pro Token, die aus 128 Experten stammen – acht aktive plus ein geteilter. Es hat 30 Schichten, ein Vokabular von 262.144 Tokens und ein 256K-Kontextfenster. Der Attention-Stack alterniert fünf Sliding-Window-Schichten mit 1.024 Tokens mit einer Full-Attention-Schicht; so hält Google das lange Kontextfenster bezahlbar.

Es ist auf eine bestimmte, begrenzte Weise multimodal. Es gibt einen Vision-Encoder mit rund 550 Millionen Parametern, die Eingabe von Bildern und Video-Frames sowie Textausgabe. Audio wird von diesem Modell nicht unterstützt – es ist in den kleineren Varianten E2B, E4B und 12B enthalten. Die Modellkarte gibt an, mehr als 140 Sprachen zu unterstützen, von denen etwa 35 von Haus aus funktionieren. Die Lizenz ist Apache-2.0, und der Trainings-Cutoff ist Januar 2025.

Die Benchmark-Tabelle auf Googles Modellkarte – vom Anbieter angegeben, nicht unabhängig reproduziert – lautet wie folgt: MMLU Pro 82,6, GPQA Diamond 82,3, AIME 2026 ohne Werkzeuge 88,3, LiveCodeBench v6 77,1, Codeforces ELO 1718, tau2 über drei Suites gemittelt 68,2, MMMU Pro 73,8, MATH-Vision 82,4. Die schwachen Zeilen sind ebenso informativ wie die starken: Humanity's Last Exam erreicht 8,7 ohne Werkzeuge und 17,2 mit Suche, und MRCR v2 bei 128K mit acht Nadeln erreicht im Durchschnitt 44,1. Ein 256K-Fenster bedeutet nicht, dass das Modell über 256K hinweg gut abruft.

Die unbekannte Seite, klar gesagt

LBS-27B ist ein Repository, eine Lizenz und ein Name. Das Repository wurde am 26. Oktober 2026 erstellt und enthält zwei Dateien: eine standardmäßige .gitattributes und eine 28-Byte-README, deren gesamter Inhalt die Zeile license: apache-2.0. Es gibt keine config.json, kein Weight-Shard, keinen Tokenizer und keine Model Card. Es sind keine Downloads verzeichnet und null Likes. Wir konnten nirgendwo eine Ankündigung, ein Paper oder einen Social-Media-Beitrag finden.

Was das für diesen Vergleich bedeutet, ist einfach: Jede Zeile außer der Lizenz ist leer. Das „27B“ ist eine Zeichenfolge im Repository-Namen, keine verifizierte Parameteranzahl. Die Architektur könnte dense oder sparse sein. Die Kontextlänge könnte beliebig sein. Es könnte einen Vision-Encoder geben oder auch nicht. Solange keine Konfigurationsdatei vorliegt, ist keine dieser Fragen beantwortet, und jeder Artikel, der sie ausfüllt, erfindet etwas.

Wo das Duell tatsächlich entschieden würde

Wenn LBS-27B als Modell der 27B-Klasse auf den Markt kommt, sind dies die Dimensionen, die es von Gemma 4 26B A4B unterscheiden werden. Jede Zeile enthält beide Seiten, wobei das Unbekannte als unbekannt markiert wird, statt leer zu bleiben.

• Gesamt- und aktive Parameter — Gemma 4 26B A4B hat laut Herstellerangabe insgesamt 25,2B und 3,8B aktive Parameter; LBS-27B ist ein nicht verifiziertes 27B-Modell ohne Angabe zu aktiven Parametern.

• Architektur — Gemma verwendet 128 Experten mit Top-8-Routing; LBS ist unbekannt, und ob dicht oder spärlich ist die folgenreichste Unbekannte in Bezug auf die Serving-Kosten.

• Kontextfenster — 262.144 Tokens für Gemma; für LBS unbekannt.

• Modalität — Text-, Bild- und Videoframe-Eingabe mit Textausgabe für Gemma; für LBS unbekannt, und Nur-Text ist der Basisfall, bis ein Vision-Tower erscheint.

• Lizenz — Apache-2.0 für Gemma; Apache-2.0 für LBS angegeben, obwohl sich eine Lizenz ändern kann, bevor die Gewichte ausgeliefert werden.

• Preis — 0,06 $ pro Million Eingabe-Tokens und 0,33 $ pro Million Ausgabe-Tokens für Gemma auf OrcaRouter, bei 262.144 Tokens Kontext; für LBS gibt es keinen Preis, da es nichts bereitzustellen gibt.

• Veröffentlichte Evaluierungen — eine vollständige Anbietertabelle für Gemma; keine für LBS.

Die Zahl, die über die Wirtschaftlichkeit entscheidet: 3,8 Milliarden

Das A4B in Gemmas Namen ist der wichtigste Teil davon. Mit rund 3,8 Milliarden aktiven Parametern pro Token leistet das Modell die Rechenarbeit eines kleinen Modells und verfügt zugleich über das Wissen eines 25B-Modells. Deshalb kann es für sechs Cent pro Million Eingabetoken angeboten und trotzdem kommerziell bereitgestellt werden, und deshalb läuft das Modell auf Hardware, mit der ein dichtes 25B-Modell zu kämpfen hätte.

Ein dichtes 27B-Modell ist ein anderes Produkt. Es liest für jedes Token jeden Parameter, daher skalieren seine Dekodierungskosten mit der Gesamtzahl der Gewichte. Wenn sich LBS-27B als dicht erweist, wird es bei gleicher Qualität nicht mit Gemma 4 26B A4B über den Preis konkurrieren — es wird über die Qualität bei höherem Preis konkurrieren, was 2026 ein deutlich schwierigeres Argument ist. Wenn es sich als dünn besetzt mit einer geringen aktiven Parameterzahl erweist, wird der Vergleich real und interessant.

Deshalb ist das erste glaubwürdige Artefakt, auf das man achten sollte, kein Benchmark-Ergebnis. Es ist die Expertenanzahl in der Konfigurationsdatei. Alles an der kommerziellen Ausprägung von LBS-27B ergibt sich aus diesem einen Feld.

Vision ist eine Workload-Klasse, kein Feature.

Es ist leicht, Gemmas Bildeingabe wie ein bloßes Kontrollkästchen zu behandeln. In der Praxis verändert sie, welche Aufgaben das Modell überhaupt übernehmen kann. Dokumentenextraktion, Screenshot-Triage, Diagrammlesen, UI-Regressionstests, Rechnungsverarbeitung und OCR-nahe Pipelines sind keine Textaufgaben mit angehängtem Bild; es sind Aufgaben, bei denen das Bild die Eingabe ist. Ein reines Textmodell kann sie bei keinem Benchmark-Ergebnis bewältigen.

Gemmas Vision-Werte sind respektabel, aber nicht dominant: MMMU Pro 73.8, MATH-Vision 82.4 und eine durchschnittliche Editierdistanz von 0.149 bei OmniDocBench 1.5 – alle aus Googles Datenblatt. Das visuelle Token-Budget lässt sich pro Bild auf 70, 140, 280, 560 oder 1.120 Tokens festlegen, wodurch sich Auflösung gegen Kosten pro Anfrage abwägen lässt – ein praktisches Detail, das in der Produktion mehr zählt als ein Leaderboard-Punkt.

Für LBS-27B ist die Frage binär. Wenn inclusionAI einen Vision-Tower ausliefert, tritt das Modell in dieselbe Workload-Klasse ein und der Vergleich wird zu einem Wettstreit um Qualität und Preis. Wenn nicht, kann LBS-27B nur die Texthälfte von Gemmas Aufgabe übernehmen, und die Entscheidung wird zu einer Routing-Frage statt zu einer Ersetzungsfrage.

Was LBS-27B erfüllen müsste

Nehmen wir einmal an, die Gewichte treffen ein und das Modell ist ein kompetentes 27B. Damit sich bei Text-Workloads ein Wechsel von Gemma 4 26B A4B lohnt, müsste es drei Dinge gleichzeitig leisten.

Erstens: Schlage Gemmas vom Anbieter gemeldete Werte um einen Vorsprung, der Harness-Unterschiede übersteht. MMLU Pro 82.6, GPQA Diamond 82.3 und AIME 2026 mit 88.3 sind starke Werte für ein Modell mit 3,8B aktiven Parametern, und ein Zwei-Punkte-Vorsprung auf einer anderen Harness-Version ist kein Vorsprung. Zweitens: Schaffe das zu einem vergleichbaren Mischpreis. Gemmas Ausgabepreis von 0,33 US-Dollar pro Million ist die entscheidende Einschränkung; ein dichtes 27B-Modell zu drei- bis fünfmal diesem Ausgabepreis braucht eine viel größere Qualitätslücke, um sich zu rechtfertigen. Drittens: Schlage es in etwas, worin Gemma sichtbar schwach ist – Long-Context-Retrieval, wo Gemmas 44.1 bei MRCR v2 mit 128K echten Spielraum lässt, oder Tool-Nutzung, wo sein tau2-Durchschnitt von 68.2 gut, aber nicht außergewöhnlich ist.

Am plausibelsten gewinnt ein neues 27B-Modell nicht dadurch, dass es Gemma überall schlägt. Sondern dadurch, dass es bei einer einzigen teuren Aufgabe eindeutig besser ist – Langdokumentanalyse, agentische Tool-Ketten oder eine nichtenglische Sprache, in der Gemmas Abdeckung dünn ist – und ansonsten lediglich wettbewerbsfähig ist.

Preis, Verfügbarkeit und die praktische Antwort

Gemma 4 26B A4B ist ab heute auf OrcaRouter verfügbar als google/gemma-4-26b-a4b-it, mit einem Kontext von 262.144 Tokens und Preisen von 0,06 $ pro Million Input-Tokens und 0,33 $ pro Million Output-Tokens. Da OrcaRouter die Listenpreise der Anbieter ohne Aufschlag (0 % Markup) weitergibt, schlägt sich jede Preisänderung von Google oder seinen Hosting-Partnern noch am selben Tag bei uns nieder und nicht erst zum nächsten Abrechnungszyklus. Außerdem gibt es auf der Plattform ein zweites Gemma-4-26B-A4B-Angebot zu einem höheren Preis – gut zu wissen, bevor man annimmt, die günstigste Zeile sei die einzige.

LBS-27B ist nicht auf OrcaRouter verfügbar, und wir werden nicht so tun, als wäre es dort. Es gibt keine Gewichte zum Ausliefern. Wenn und falls sich das ändert, ist die sinnvolle Art, es zu bewerten, nicht eine umfassende Migration, sondern eine Aufteilung: einen Teil des Traffics über denselben API-Schlüssel an das neue Modell leiten, Gemma als Fallback beibehalten und anhand Ihrer eigenen Eingaben vergleichen. Automatisches Failover macht das auf eine Weise sicher, wie es eine direkte Integration nicht tut, weil ein schlechtes oder nicht verfügbares Modell auf ein bekanntes zurückfällt, statt die Anfrage scheitern zu lassen.

Wer sollte handeln, und wer sollte warten?

Wenn du diese Woche ein günstiges multimodales Modell mit langem Kontext und einer permissiven Lizenz brauchst, ist Gemma 4 26B A4B die Antwort, und LBS-27B ist kein Thema. Das ist kein Seitenhieb auf inclusionAI; es ist das, was ein leeres Repository bedeutet.

Wenn Sie die 27B-Klasse als Arbeitstier für reine Textverarbeitung im Auge behalten und warten können, sollten Sie auf die Konfigurationsdatei achten. Eine spärliche Architektur mit einer kleinen Anzahl aktiver Parameter würde LBS-27B zu einem echten Preiswettbewerber für Gemma machen. Eine dichte würde sie zu einer Qualitätsoption zu höheren Kosten machen. Und ein Vision-Tower im Repository würde den Vergleich über Nacht von „Textalternative“ zu „direkter Rivale“ ändern.

Bis eines davon auftaucht, ist das Nützlichste, was diese Seite sagen kann, zugleich das am wenigsten Aufregende: Gemma hat ein Datenblatt mit Messwerten und einen aktuellen Preis, LBS hat eine Lizenzzeile, und die Kluft zwischen ihnen ist keine Kluft in der Qualität, sondern eine Kluft bei den Belegen.