Une carte-titre générée indiquant « DaisyRose 27B vs Gemma 4 26B A4B », sous-titrée « 27,8B lus à chaque token, 3,8B lus par token », au-dessus de trois cartes arrondies indiquant « DaisyRose : 27,8B dense, post-entraînement RL uniquement », « Gemma 4 26B A4B : 25,2B au total, 3,8B actifs » et « Prix hébergé : 0,06 $ en entrée, 0,33 $ en sortie par million », avec un pied de page indiquant « Chiffres DaisyRose selon RadixArk, novembre 2026 ; chiffres Gemma selon Google DeepMind. » Le logo OrcaRouter se trouve en bas à droite.
Guides & Insights

DaisyRose 27B vs Gemma 4 26B A4B : 27,8B dense vs 3,8B actifs

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

DaisyRose 27B et Gemma 4 26B A4B sont des modèles de même taille avec des structures de coûts totalement différentes, et la ligne de prix le rend concret plus vite que n’importe quel benchmark. Gemma 4 26B A4B — 25,2 milliards de paramètres, dont 3,8 milliards sont lus pour chaque token — est servi sur OrcaRouter à 0,06 $ par million de tokens d’entrée et 0,33 $ par million de tokens de sortie. DaisyRose 27B, post-entraînement de Qwen3.8-27B par RadixArk, réalisé uniquement par apprentissage par renforcement et publié le 18 novembre 2026, compte 27,8 milliards de paramètres denses, dont chacun est lu à chaque token, est livré sous forme de 52 Go de poids BF16, ne dispose d’aucune API hébergée par un fournisseur et nécessite impérativement un GPU de centre de données pour fonctionner. L’un est un modèle que l’on loue au centime près. L’autre est un modèle que l’on déploie. Tout le reste de cette comparaison découle de là.

Le tableau des benchmarks est vraiment intéressant et vraiment incomplet : les deux modèles partagent exactement deux lignes publiques, GPQA Diamond et Humanity's Last Exam, et sur chacune d'elles, DaisyRose 27B devance l'autre d'une marge bien plus large que la différence de paramètres. Savoir si cette marge résiste au contact d'un harnais d'évaluation commun est la question à laquelle cette page ne peut pas répondre, et elle le dit.

Le nom est une spécification

L’étiquette de Gemma 4 26B A4B porte sa politique de routage, et la fiche officielle de Google énonce directement l’interprétation : « le “A” de 26B A4B signifie “paramètres actifs”, par opposition au nombre total de paramètres que contient le modèle. »

• Paramètres totaux — 25,2 B. • Actifs par token — 3,8 B. • Répartition des experts — 8 experts sur 128 actifs, plus 1 expert partagé, sélectionnés par token. L’expert partagé est toujours lu, ce qui explique pourquoi le nombre d’actifs n’est pas simplement 8/128e du total. • Couches — 30, avec une fenêtre glissante de 1 024 tokens.

DaisyRose 27B n’a pas une telle structure à décrire. C’est un transformer dense : 27,8 milliards de paramètres, dont 0,46 milliard pour un encodeur visuel et 0,42 milliard pour une tête de prédiction multi-jetons, sans routeur entre l’entrée et le calcul. Chaque jeton paie pour chaque poids.

La conséquence pratique, c’est le seul chiffre qui sépare ces modèles plus que n’importe quel benchmark. Un modèle sparse à 3,8 B de paramètres actifs tourne à une vitesse proche de celle d’un modèle de 4 B tout en portant la mémoire d’un modèle de 25 B — la fiche de Google le dit d’ailleurs sans détour, décrivant la variante MoE comme tournant « presque aussi vite qu’un modèle à 4 milliards de paramètres ». Un modèle dense de 27,8 B tourne à la vitesse d’un 27,8 B, et personne n’a publié cette vitesse : la fiche de RadixArk ne contient aucun chiffre de jetons par seconde pour aucune configuration matérielle.

Ce que le RL a acheté, et ce qu’il n’a pas acheté

L'entraînement de DaisyRose 27B est la partie de cette comparaison sans équivalent du côté de Gemma. RadixArk n'a utilisé que l'apprentissage par renforcement — aucune passe de fine-tuning supervisé, aucune distillation — sur environ 1 200 tâches d'agent à long horizon sélectionnées et construites avec Eigent AI, avec des sessions allant jusqu'à un million de tokens, pendant dix-huit jours sur 144 H200 et environ 63 000 heures GPU. L'objectif n'était pas un gain général de capacités, mais un gain spécifique : rendre un 27B meilleur dans la boucle consistant à lire une tâche, appeler un outil, lire le résultat, corriger l'erreur.

Cela apparaît dans les lignes où les deux modèles peuvent réellement être comparés, et cela n’apparaît pas de manière uniforme.

• GPQA Diamond — DaisyRose 27B 90,7 contre 82,3 pour Gemma 4 26B A4B. Les deux sont rapportés par les fournisseurs : le chiffre de RadixArk porte sur huit exécutions sur 198 questions avec le gabarit simple-evals et un ordre des réponses remanié ; celui de Google est un chiffre unique publié sur la fiche du modèle.

• Humanity's Last Exam, sans outils — DaisyRose 27B 34,3 contre 8,7 pour Gemma 4 26B A4B. C'est l'écart le plus large dans les deux tableaux, et celui dont il faut le plus se méfier, car les configurations diffèrent : RadixArk a réalisé cinq exécutions par problème avec GPT-6 Luna comme évaluateur et sans outils ; le 8,7 de Google est le chiffre sans outils, avec 17,2 lorsque le modèle dispose d'un outil de recherche.

Deux lignes ne constituent pas une comparaison, et aucun des deux fournisseurs n’a exécuté le harnais de l’autre. Ce que l’écart HLE suggère — et il s’agit d’une suggestion, non d’une mesure —, c’est qu’un post-entraînement visant des sessions agentiques longues se transfère à des questions de raisonnement difficiles d’une manière que ne le fait pas une architecture éparse pré-entraînée pour une capacité générale. Ce qu’il ne montre pas, c’est que l’effet est de 25 points, car les harnais sont différents et l’un des deux chiffres provient d’un modèle auquel des outils ont été fournis dans sa meilleure configuration.

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.

Les lignes qu’un seul côté possède

Les deux cartes publient des benchmarks que l'autre ne publie pas, et cette asymétrie est en elle-même révélatrice de ce que chaque fabricant jugeait utile de démontrer.

Gemma 4 26B A4B publie un tableau complet des capacités générales : MMLU Pro 82,6 ; AIME 2026 sans outils 88,3 ; LiveCodeBench v6 77,1 ; Codeforces ELO 1718 ; Tau2, moyenne sur trois, 68,2 ; BigBench Extra Hard 64,8 ; MMMLU 86,3 ; MMMU Pro 73,8 ; MATH-Vision 82,4 ; et MRCR v2 à huit aiguilles et un contexte de 128K 44,1. Aucune ligne Terminal Bench, SWE-bench ou IFBench ne figure sur la fiche.

DaisyRose 27B publie plutôt l’ensemble orienté agents et suivi d’instructions : Terminal Bench 4.1 12.0 contre une base de 5.6, Terminal Bench 2.1 75.5, DeepSWE v1.1 46.2, SWE Bench Pro v2 94.7 et IFBench 82.4. Il n’y a pas de ligne MMLU Pro, ni AIME, ni Codeforces sur la fiche.

Lus ensemble, les deux tableaux décrivent des produits différents. G​oogle publie un modèle général et le prouve sur la suite académique standard. RadixArk publie un modèle agent et le prouve sur la suite agentique standard. Le chevauchement représente deux lignes sur une vingtaine, et un acheteur qui doit choisir entre eux choisit surtout la suite qui l’intéresse — une décision bien plus simple que ne le laissent paraître les colonnes de scores.

Où chacun s’exécute

C'est la section qui détermine la comparaison pour la plupart des lecteurs, car les récits de déploiement ne se recoupent pas du tout.

• Gemma 4 26B A4B — hébergé aujourd’hui à 0,06 $ par million de jetons d’entrée et 0,33 $ par million de jetons de sortie sur OrcaRouter, aux côtés d’une version hébergée par Obsidian de la même architecture. Les poids ouverts sont sous Apache 2.0, en bfloat16 (environ 51,6 Go répartis sur deux shards), un GGUF Q4_0 entraîné avec prise en compte de la quantification qui le fait tenir sur une seule carte grand public, une version compressed-tensors w4a16 pour vLLM, et un drafter à prédiction multi-jetons pour le décodage spéculatif. L’article de Google sur la famille décrit les deux tailles les plus grandes comme tenant « efficacement sur un seul GPU NVIDIA H100 de 80 Go ».

DaisyRose 27B — BF16 à environ 52 Go, FP8 à environ 29 Go, NVFP4 à environ 23 Go et exclusivement Blackwell, ainsi qu’un drafter de décodage spéculatif DSpark pour SGLang. RadixArk répertorie un déploiement mono-GPU sur H200, B200, GB300, RTX PRO 6000, RTX 5090 et DGX Spark. Il n’existe aucun tarif d’API hébergée ; des offres de tiers annoncent 0,15 $ par million de tokens d’entrée et 1,88 $ par million de tokens de sortie, ce qui correspond à la position d’ouverture d’un hébergeur plutôt qu’à un tarif fournisseur.

Ces chiffres situent l'écart de coût hébergé à environ deux fois et demie sur l'entrée et à près de six fois sur la sortie, à l'avantage du tiers. C'est la comparaison honnête au prix catalogue. C'est aussi la comparaison qui change dès que la charge de travail s'allonge : un modèle creux continue de payer 3,8 milliards de calcul par token là où un modèle dense en paie 27,8 milliards, si bien que l'écart se creuse en latence et en secondes-machine bien avant de se creuser en dollars par million de tokens.

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.

Ce que vaut la formation agentique par dollar

La version intéressante de cette comparaison n’est pas « quel modèle obtient le meilleur score », mais « combien coûte, par tâche, le gain agentique ». Le modèle de RadixArk existe parce que son modèle de base, Qwen3.8-27B, obtient 5,6 sur Terminal Bench 4.1 et 12,0 après post-entraînement. Si vous exploitez un agent de codage qui exécute des commandes, c’est la différence entre un modèle qui, le plus souvent, ne peut pas, et un modèle qui, parfois, peut, et doubler un petit nombre vaut de l’argent réel pour le bon acheteur.

Gemma 4 26B A4B n'a aucun chiffre Terminal Bench, ce qui rend l'argument de valeur inquantifiable à partir des données publiques. Ce qu'il a, en revanche, c'est un prix qui rend l'expérience bon marché : à 0,06 $ par million de tokens d'entrée, vous pouvez exécuter quelques milliers de trajectoires d'agents pour le coût d'une heure d'un H200, et découvrir si le modèle échoue d'une manière qui compte pour votre charge de travail. L'architecture creuse rend cela bon marché à double titre — le prix des tokens est bas et les tokens reviennent vite.

Voilà la véritable décision à prendre. DaisyRose 27B est un modèle spécialisé issu d'un post-entraînement, avec une revendication agentique précise rapportée par le fournisseur et aucun prix d'hébergement. Gemma 4 26B A4B est un modèle général doté d'un large tableau de capacités publié, d'un profil d'inférence rapide et d'un prix catalogue de l'ordre de quelques centimes par million de tokens. Si votre tâche consiste en un usage d'outils sur un horizon long et que vous pouvez héberger le modèle, le spécialiste mérite d'être évalué en benchmark. Si votre tâche est différente, ou si vous ne pouvez pas héberger, le modèle général à 0,06 $ l'emporte sur le seul axe qui compte.

Lancer les deux à partir d'une seule touche

Gemma 4 26B A4B est disponible sur OrcaRouter dès aujourd'hui sous google/gemma-4-26b-a4b-it, proposé à 0,06 $ par million de tokens d'entrée et 0,33 $ par million de tokens de sortie, avec un contexte de 262 144 tokens et une entrée texte, image et vidéo. DaisyRose 27B ne figure pas au catalogue au moment de la rédaction et cette page ne prétendra pas le contraire — il s'agit d'une version auto-hébergée via SGLang, vLLM et Docker.

Sa version de base l'est, toutefois. Qwen3.8-27B est servi sous qwen/qwen3.8-27b à 0,33 $ par million de tokens d'entrée et 2,40 $ par million de sortie, avec le même contexte de 262 144 tokens et la même tour de vision que conserve le post-entraînement. Cela donne au lecteur deux choses utiles : une référence de la même famille à exécuter sur ses propres prompts avant de décider si le post-entraînement RL vaut la peine d'être déployé, et une voie de repli. Si une instance DaisyRose auto-hébergée atteint un délai d'expiration de sandbox, une règle de routage peut transmettre l'appel au modèle de base plutôt que de l'abandonner, et comme nous répercutons les prix catalogue des fournisseurs avec une marge de 0 %, une modification tarifaire côté fournisseur à l'une ou l'autre extrémité atteint la même clé le jour où elle entre en vigueur.

L’étape suivante la moins coûteuse n’est pas un benchmark : c’est d’exécuter Gemma 4 26B A4B puis Qwen3.8-27B sur vos propres traces d’agent, dans cet ordre — d’abord le modèle bon marché, pour voir où vos tâches échouent réellement, puis la référence plus coûteuse pour voir si l’échec est imputable au modèle de base. Ce n’est qu’après cela qu’un post-entraînement RL de dix-huit jours aura une référence à laquelle se confronter.

Comparés dans cet article1

Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement