
DaisyRose 27B vs Gemma 4 31B : deux modèles denses, deux tâches différentes
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 184 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 494 tok/s
- AlibabaNOUVEAUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 par million de tokens · 385 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 94 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 290 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 132 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 104 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 215 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
DaisyRose 27B et Gemma 4 31B forment la paire la plus proche dans cette famille de comparaisons : tous deux denses, tous deux entre 27 et 31 milliards de paramètres, tous deux multimodaux avec un contexte de 256 K tokens, tous deux sous Apache 2.0, tous deux livrant un drafter de décodage spéculatif aux côtés des poids. Selon les éléments que leurs fournisseurs ont choisi de publier, ils ciblent aussi des acheteurs différents. Gemma 4 31B est le généraliste de Google DeepMind — un modèle dense de 30,7 B doté d’un mode de réflexion configurable, d’un appel de fonctions natif, de plus de 140 langues et d’un tableau de capacités à quatorze lignes couvrant tout, de AIME à l’analyse de documents. DaisyRose 27B est le spécialiste de RadixArk, publié le 18 novembre 2026, post-entraîné uniquement par apprentissage par renforcement sur des tâches d’agent à long horizon, et validé sur un tableau agentique à cinq lignes. Les modèles sont de forme quasi identique ; les preuves fournies par chaque fournisseur sont presque disjointes.
Un seul benchmark, dans l’un comme dans l’autre tableau, porte les deux noms : GPQA Diamond, où DaisyRose 27B annonce 90,7 et Gemma 4 31B annonce 84,3. Six points et demi d’écart sur un examen scientifique de niveau master, obtenus par un modèle comptant 2,9 milliards de paramètres de moins, voilà le titre que cette page a à offrir ; et le reste de la page explique pourquoi ce titre est moins solide qu’il n’y paraît.
Deux architectures qui se ressemblent
Si l’on retire l’image de marque, les fiches techniques se recoupent plus que dans n’importe quel autre duel de cette série.
• Paramètres — DaisyRose 27B 27,8B dense, dont 0,46B correspond à un encodeur visuel et 0,42B à une tête de prédiction multi-jetons, face à Gemma 4 31B à 30,7B dense avec un encodeur visuel d’environ 550M de paramètres. Aucun routage d’experts de part et d’autre, donc le nombre de paramètres actifs équivaut au total dans les deux cas.
• Contexte — 262 144 tokens pour DaisyRose 27B ; 256K pour Gemma 4 31B. En pratique, le même plafond.
• Modalités — texte et image en entrée, texte en sortie, pour les deux. L’audio n’est disponible pour aucune des deux tailles ; du côté Gemma, il est limité aux membres E2B, E4B et 12B de la famille.
• Licence — Apache 2.0 pour les deux, indiqué sur les deux fiches de modèle.
• Technique de contexte long — Gemma 4 31B y parvient avec 60 couches, une fenêtre glissante locale de 1 024 tokens entrelacée avec une attention globale complète, des clés et des valeurs unifiées dans les couches globales et un RoPE proportionnel. DaisyRose 27B hérite de l’architecture de Qwen3.8-27B sans modification, soit la même idée d’attention hybride issue d’une lignée de conception différente.
Les deux points sur lesquels ils diffèrent réellement sont ceux qui déterminent à quoi sert le modèle. Gemma 4 31B embarque un mode de réflexion configurable, un appel de fonctions natif et une prise en charge explicite du rôle système. DaisyRose 27B embarque un gabarit de conversation identique à celui de son modèle de base et un entraînement qui a consacré tout son budget au comportement en terminal et aux outils plutôt qu’à l’étendue des compétences.
La seule rangée qu'ils partagent
GPQA Diamond, 198 questions scientifiques de niveau supérieur, est le seul benchmark que les deux fiches publient, et les configurations derrière les deux chiffres ne correspondent pas à la même mesure.
Le score de 90,7 de DaisyRose 27B provient de huit exécutions sur 198 questions à l’aide du template simple-evals, avec l’ordre des réponses remanié à chaque fois, et est rapporté comme le meilleur de ses exécutions BF16 et FP8. Le score de 84,3 de Gemma 4 31B est un chiffre unique sur la fiche modèle de Google, sans nombre d’exécutions indiqué ni harnais précisé dans le tableau lui-même.
Ainsi, l’écart est réel dans le sens où les deux fournisseurs ont publié un chiffre sous le même nom de benchmark, et fragile dans le sens où un côté dispose de huit exécutions et d’un protocole de remaniement, tandis que la méthodologie de l’autre est reléguée en note de bas de page. Six points et demi représentent environ trente-trois questions sur 198. C’est supérieur au bruit d’échantillonnage sur un ensemble de 198 questions, mais une différence de harnais de cette taille n’est pas inédite, et aucun des deux fournisseurs n’a exécuté l’évaluation de l’autre.
Ce qui rend la ligne plus intéressante qu’un score isolé, c’est sa position par rapport à la base de chaque modèle. DaisyRose 27B améliore GPQA Diamond de 89,2 à 90,7 par rapport à Qwen3.8-27B — soit un gain de 1,5 point après dix-huit jours d’apprentissage par renforcement. Gemma 4 31B obtient 84,3, soit 2 points de plus que les 82,3 de son propre frère 26B A4B. Sur ce benchmark, les deux modèles sont proches de là où leur préentraînement les a placés, et le post-entraînement n’a beaucoup déplacé ni l’un ni l’autre. Si vous devez choisir entre eux en sciences de troisième cycle, l’écart de six points tient surtout à un écart de modèle de base plutôt qu’à un écart de recette d’entraînement.

Les tableaux que seul un côté a remplis
Ici, la comparaison cesse d’être une comparaison et devient un choix de preuves. Google a publié un tableau de capacités générales et RadixArk en a publié un orienté agentique, et aucun des deux ne recoupe l’autre.
La fiche de Gemma 4 31B présente 85,2 sur MMLU Pro, 89,2 sur AIME 2026 sans outils, 80,0 sur LiveCodeBench v6, un ELO Codeforces de 2150, 76,9 sur Tau2, 19,5 sur HLE sans outils et 26,5 avec recherche, 74,4 sur BigBench Extra Hard, 88,4 sur MMMLU, 76,9 sur MMMU Pro, 85,6 sur MATH-Vision, 61,3 sur MedXPertQA MM, 0,131 sur OmniDocBench 1.5, et 66,4 sur MRCR v2 avec huit aiguilles et 128K de contexte. Il n’y a pas de ligne Terminal Bench, pas de ligne SWE-bench et pas de ligne IFBench.
La fiche de DaisyRose 27B affiche Terminal Bench 4.1 à 12,0 contre une base de 5,6, Terminal Bench 2.1 à 75,5, DeepSWE v1.1 à 46,2, SWE Bench Pro v2 à 94,7 et IFBench à 82,4, ainsi que HLE en texte uniquement à 34,3 et GPQA Diamond à 90,7. Il n'y a aucune ligne MMLU Pro, aucune AIME, aucune Codeforces et aucune ligne de benchmark de vision — alors même que le modèle embarque un encodeur visuel.
Deux asymétries dans cet appariement méritent d’être nommées. La première concerne HLE : RadixArk rapporte 34,3 sans outils, Google rapporte 19,5 sans outils et 26,5 avec recherche. Même en accordant à Gemma 4 31B sa configuration assistée par outils, le chiffre de DaisyRose 27B est supérieur de près de huit points — mais les évaluateurs diffèrent, car RadixArk a utilisé GPT-6 Luna sur cinq exécutions par problème, tandis que Google ne précise pas son protocole d’évaluation. La seconde concerne la vision : DaisyRose 27B embarque un encodeur visuel de 0,46B et ne publie aucun benchmark de vision, donc sa capacité multimodale n’est pas mesurée publiquement. Gemma 4 31B publie MMMU Pro, MATH-Vision, OmniDocBench et MedXPertQA. Si vous avez besoin de compréhension d’image, l’un de ces modèles a des preuves et l’autre a un encodeur.
Mémoire, formats et combien coûte chaque téléchargement
Les deux modèles font entre 52 et 63 Go en pleine précision, ce qui les place dans la même catégorie de matériel et fait de la liste des formats la partie utile de la comparaison.
• DaisyRose 27B — BF16 environ 52 Go, FP8 environ 29 Go, NVFP4 environ 23 Go et réservé à Blackwell, ainsi que RadixArk/Qwen3.8-27B-DSpark comme drafter de décodage spéculatif pour SGLang. La configuration de référence est composée de quatre réplicas en parallélisme de données sur un nœud à quatre GPU en parallélisme tensoriel de 1, avec un contexte de 262 144 jetons et un cache KV FP8. RadixArk répertorie un déploiement mono-GPU sur H200, B200, GB300, RTX PRO 6000, RTX 5090 et DGX Spark.
• Gemma 4 31B — bfloat16 dans deux fragments safetensors d'environ 49,8 GB et 12,8 GB, soit environ 62,5 GB au total. Un GGUF QAT Q4_0 de 17,7 GB plus un projecteur de vision de 1,2 GB, soit environ 18,9 GB avant le cache KV, ce qui place le haut dense de la gamme Gemma sur une seule carte grand public de 24 GB. Une version QAT w4a16 compressed-tensors de 23,3 GB pour vLLM, un checkpoint Q4_0 non quantifié portant les poids QAT sans packing, et un drafter de prédiction multi-token de 0,94 GB.
La gamme GGUF est la différence concrète. Google propose une version 4 bits de sa propre fabrication qui tient sur une carte de 24 Go ; RadixArk propose trois précisions et attend que vous les serviez via SGLang. Pour une équipe disposant d’une station de travail et sans stack de serving, ce n’est pas un choix difficile — un téléchargement fonctionne, l’autre nécessite un déploiement.
Un détail qui coince : la fiche de Gemma exige un assistant de décodage spéculatif dont la précision corresponde à celle du checkpoint cible, si bien que le drafteur de 0,94 Go s’associe à la cible QAT 31B plutôt qu’à la version bfloat16. Le drafteur de RadixArk tire son nom de Qwen3.8-27B et s’associe à la version FP8 propre à DaisyRose 27B.

Le coût, et celui qui a un prix
Gemma 4 31B est disponible dès aujourd'hui sur OrcaRouter en tant que google/gemma-4-31b-it au tarif de 0,13 $ par million de tokens d'entrée et 0,38 $ par million de tokens de sortie, avec une réflexion configurable, un appel de fonctions natif et un contexte de 256K. Le suffixe -it fait partie de la chaîne transmise par le client.
DaisyRose 27B n’a pas de prix hébergé par le fournisseur. Le site de RadixArk décrit l’entraînement et le service pour d’autres laboratoires et ne publie aucun point de terminaison DaisyRose ; la fiche du modèle ne renvoie qu’à l’auto-hébergement via SGLang, vLLM et Docker. Des annonces tierces indiquent 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 de fournisseur.
Si on les met côte à côte, la comparaison des offres hébergées s’inverse par rapport au tableau de référence : Gemma 4 31B à treize cents par million de tokens d’entrée contre quinze cents chez un hébergeur tiers, mais trente-huit cents contre un dollar quatre-vingt-huit en sortie. Sur une charge de travail à forte composante génération, cela représente un écart d’un facteur cinq en faveur du modèle le plus grand, et cet écart existe pour une raison structurelle — Gemma 4 31B dispose d’une offre hébergée établie avec plusieurs fournisseurs en concurrence, tandis que DaisyRose 27B n’a qu’un seul hébergeur et trois jours d’historique.

Pour quel emploi chaque modèle a été conçu
Le résumé honnête est que ces modèles ne sont pas en concurrence pour le même achat, et les tableaux de référence le prouvent en refusant de se chevaucher.
Gemma 4 31B est le modèle qu’il vous faut si vous avez besoin d’étendue : un mode de réflexion que vous pouvez réduire, un appel de fonctions compatible avec les schémas d’outils existants, plus de 140 langues, une évaluation de vision publiée, une version quantifiée qui tourne sur une station de travail, et un prix hébergé de treize cents par million de jetons d’entrée. C’est le choix sûr pour un produit généraliste, et le coût d’une erreur se limite à quelques dollars de dépenses d’API.
DaisyRose 27B est le modèle qu'il vous faut si vous développez un agent de terminal et que vous pouvez l'héberger. Son score à Terminal Bench 4.1 fait plus que doubler celui de son propre modèle de base, son score à SWE Bench Pro v2 s'établit à 94,7, et son IFBench à 82,4 est le plus élevé du tableau comparatif de RadixArk. Chacun de ces chiffres est déclaré par le fournisseur, aucun n'a été reproduit indépendamment, et le modèle n'a que trois jours. Mais la formulation de l'affirmation est suffisamment précise pour être testée : lancez vos propres traces d'agent sur Qwen3.8-27B — disponible sous qwen/qwen3.8-27b à 0,33 $ par million de jetons en entrée et 2,40 $ par million de jetons en sortie, avec le même contexte de 262 144 jetons et la même tour de vision — et voyez si le mode de défaillance que RadixArk a éliminé à l'entraînement est celui que vous rencontrez réellement.
C'est aussi le moyen le moins cher de trancher entre ces deux modèles. Gemma 4 31B et Qwen3.8-27B sont accessibles via une seule clé OrcaRouter, sans second contrat ni modification de code, avec 0 % de majoration par rapport au prix catalogue de chaque fournisseur, de sorte qu'un changement de prix de l'un ou l'autre côté vous parvient le jour même où il est appliqué. Si Gemma 4 31B gère votre boucle d'agent, vous vous en sortez pour treize cents. Si ce n'est pas le cas, et que le modèle de base échoue au même endroit, alors un post-entraînement RL de dix-huit jours sur un H200 est la prochaine dépense qui en vaut la peine — et d'ici là, vous saurez ce que vous payez pour corriger.
