LBS-27B vs Gemma 4 26B A4B : ce qu'un dépôt vide doit surpasser

Si votre charge de travail implique une image, une page numérisée ou une capture d'écran, la comparaison entre LBS-27B et Gemma 4 26B A4B est déjà terminée. Gemma 4 26B A4B accepte les images et les images vidéo et renvoie du texte ; LBS-27B n'existe encore sous aucune forme exécutable, il n'accepte donc rien. Tout le reste de cette confrontation relève de la question de ce que pourrait devenir le dépôt vide d'inclusionAI, et la manière honnête d'y répondre est de décrire la barre que Gemma a déjà fixée plutôt que de prétendre que les deux modèles ont été mesurés l'un par rapport à l'autre.

Cette asymétrie dit tout. L’un de ces modèles est présent sur Hugging Face depuis mars 2026, compte 8,1 millions de téléchargements, un tableau d’évaluation complet et un prix publié. L’autre a été créé à 05:36 UTC le 26 octobre 2026 et ne contient qu’un en-tête de licence, rien d’autre. Une comparaison côte à côte qui les traite comme des pairs serait de la fiction. Une comparaison côte à côte qui vous indique ce que LBS-27B aurait à surpasser est utile, et c’est ce qui suit.

Le côté connu du grand livre

Gemma 4 26B A4B est un modèle de mélange d'experts comptant 25,2 milliards de paramètres au total et 3,8 milliards actifs par token, issus de 128 experts, avec huit experts actifs plus un expert partagé. Il comporte 30 couches, un vocabulaire de 262 144 tokens et une fenêtre de contexte de 256 K. La pile d’attention alterne cinq couches à fenêtre glissante de 1 024 tokens avec une couche d’attention complète, ce qui permet à Google de maintenir le coût de la longue fenêtre à un niveau abordable.

Il est multimodal d’une manière spécifique et limitée. Il dispose d’un encodeur visuel d’environ 550 millions de paramètres, d’une entrée d’images et de trames vidéo, et d’une sortie texte. L’audio n’est pas pris en charge sur ce modèle — il est disponible sur les variantes plus petites E2B, E4B et 12B. La fiche modèle indique la prise en charge de plus de 140 langues, dont environ 35 fonctionnent immédiatement. La licence est Apache-2.0, et la date de coupure de l’entraînement est janvier 2025.

Le tableau de référence sur la carte modèle de Google — rapporté par le fournisseur, non reproduit indépendamment — se lit comme suit : MMLU Pro 82,6, GPQA Diamond 82,3, AIME 2026 sans outils 88,3, LiveCodeBench v6 77,1, Codeforces ELO 1718, tau2 moyenné sur trois suites 68,2, MMMU Pro 73,8, MATH-Vision 82,4. Les lignes faibles sont aussi informatives que les lignes fortes : Humanity's Last Exam obtient 8,7 sans outils et 17,2 avec recherche, et MRCR v2 à 128K avec huit aiguilles obtient en moyenne 44,1. Une fenêtre de 256K ne signifie pas que le modèle récupère bien l'information sur 256K.

Le côté inconnu, énoncé sans détour

LBS-27B est un dépôt, une licence et un nom. Le dépôt a été créé le 26 octobre 2026 et contient deux fichiers : un standard .gitattributes et un README de 28 octets dont tout le contenu est la ligne license: apache-2.0. Il n’y a pas de config.json, pas de fragment de poids, pas de tokenizer et pas de fiche de modèle. Aucun téléchargement enregistré et zéro like. Nous n’avons trouvé aucune annonce, aucun article ni aucune publication sur les réseaux sociaux, où que ce soit.

Ce que cela signifie pour cette comparaison est simple : toutes les lignes autres que la licence sont vides. Le « 27B » est une chaîne dans le nom du dépôt, pas un nombre de paramètres vérifié. L’architecture pourrait être dense ou creuse. La longueur de contexte pourrait être quelconque. Il pourrait y avoir ou non un encodeur visuel. Tant qu’un fichier de configuration n’apparaît pas, aucune de ces questions n’a de réponse, et tout article qui les complète invente.

Là où l’affrontement se déciderait réellement

Si le LBS-27B est commercialisé comme un modèle de classe 27B, voici les dimensions qui le distingueront du Gemma 4 26B A4B. Chaque ligne présente les deux côtés, l’inconnu étant indiqué comme inconnu plutôt que laissé vide.

• Paramètres totaux et actifs — Gemma 4 26B A4B compte 25,2 B de paramètres au total et 3,8 B actifs, selon le fournisseur ; LBS-27B est un modèle de 27 B non vérifié, sans chiffre de paramètres actifs.

• Architecture — Gemma utilise 128 experts avec un routage top-8 ; LBS est inconnu, et le choix entre dense et creux est l’inconnue la plus déterminante pour le coût de service.

• Fenêtre de contexte — 262,144 jetons pour Gemma ; inconnu pour LBS.

• Modalité — entrée de texte, d’image et d’images de trames vidéo avec sortie texte pour Gemma ; inconnue pour LBS, et le texte seul constitue le cas de base jusqu’à l’apparition d’une tour de vision.

• Licence — Apache-2.0 pour Gemma ; Apache-2.0 déclarée pour LBS, bien qu'une licence puisse changer avant la livraison des poids.

• Prix — 0,06 $ par million de jetons d’entrée et 0,33 $ par million de jetons de sortie pour Gemma sur OrcaRouter, avec 262 144 jetons de contexte ; aucun prix n’existe pour LBS, car il n’y a rien à servir.

• Évaluations publiées — un tableau complet des fournisseurs pour Gemma ; aucun pour LBS.

Le chiffre qui décide de l’économie : 3,8 milliards

L’A4B dans le nom de Gemma en est la partie la plus importante. Avec environ 3,8 milliards de paramètres actifs par token, le modèle fournit le calcul d’un petit modèle tout en possédant les connaissances d’un modèle de 25B. C’est pourquoi il peut être facturé à 6 cents par million de tokens d’entrée tout en étant servi commercialement, et c’est pourquoi le modèle fonctionne sur du matériel avec lequel un modèle dense de 25B aurait du mal.

Un 27B dense est un produit différent. Il lit chaque paramètre pour chaque token, donc son coût de décodage évolue avec le nombre total de poids. Si LBS-27B s’avère dense, il ne rivalisera pas avec Gemma 4 26B A4B sur le prix à qualité égale — il rivalisera sur la qualité à un prix plus élevé, ce qui est un argument bien plus difficile à défendre en 2026. S’il s’avère être sparse avec un faible nombre de paramètres actifs, la comparaison devient réelle et intéressante.

C’est pourquoi le premier élément crédible à surveiller n’est pas un score de benchmark. C’est le nombre d’experts dans le fichier de configuration. Tout ce qui concerne la dimension commerciale de LBS-27B découle de ce seul champ.

La vision est une classe de charges de travail, pas une fonctionnalité.

Il est facile de considérer l’entrée d’image de Gemma comme une simple case à cocher. En pratique, elle change les missions que le modèle peut assumer, tout simplement. L’extraction de documents, le tri de captures d’écran, la lecture de graphiques, les vérifications de régression d’interface, le traitement de factures et les pipelines proches de l’OCR ne sont pas des tâches textuelles auxquelles on ajoute une image ; ce sont des tâches où l’image constitue l’entrée. Un modèle uniquement textuel ne peut y accéder, quel que soit son score au benchmark.

Les chiffres de vision de Gemma sont honorables plutôt que dominants : MMMU Pro 73,8, MATH-Vision 82,4 et une distance d’édition moyenne de 0,149 sur OmniDocBench 1.5, tous issus de la fiche de Google. Le budget de tokens visuels peut être sélectionné à 70, 140, 280, 560 ou 1 120 tokens par image, ce qui permet d’arbitrer entre résolution et coût par requête — un détail pratique qui compte davantage en production qu’un point au classement.

Pour LBS-27B, la question est binaire. Si inclusionAI livre une tour de vision, le modèle entre dans la même classe de charge de travail et la comparaison devient un concours de qualité et de prix. Dans le cas contraire, LBS-27B ne peut prendre que la moitié textuelle du travail de Gemma, et la décision devient une question de routage plutôt qu’une question de remplacement.

Ce que LBS-27B aurait à franchir

Supposons, pour les besoins du débat, que les poids arrivent et que le modèle soit un 27B compétent. Pour qu’il vaille la peine de passer de Gemma 4 26B A4B à ce modèle sur des charges de travail textuelles, il devrait réussir trois choses à la fois.

Premièrement, battre les lignes de résultats déclarées par le fournisseur de Gemma avec une marge qui résiste aux différences de harnais. MMLU Pro 82,6, GPQA Diamond 82,3 et AIME 2026 à 88,3 sont de solides chiffres pour un modèle à 3,8B de paramètres actifs, et une avance de deux points sur une version différente du harnais n’est pas une avance. Deuxièmement, le faire à un prix mixte comparable. Le prix de sortie de Gemma de 0,33 $ par million est la contrainte déterminante ; un modèle dense de 27B à trois à cinq fois ce tarif de sortie a besoin d’un écart de qualité bien plus grand pour se justifier. Troisièmement, le battre sur un point où Gemma est visiblement faible — la récupération en contexte long, où le 44,1 de Gemma sur MRCR v2 à 128K laisse une vraie marge, ou l’utilisation d’outils, où sa moyenne tau2 de 68,2 est bonne mais pas exceptionnelle.

La façon la plus plausible pour un nouveau 27B de gagner n’est pas de battre Gemma partout. C’est d’être nettement meilleur sur une tâche coûteuse — l’analyse de longs documents, les chaînes d’outils agentiques ou une langue non anglaise où la couverture de Gemma est faible — tout en restant simplement compétitif ailleurs.

Prix, disponibilité et la réponse pratique

Gemma 4 26B A4B est disponible dès aujourd'hui sur OrcaRouter sous l'identifiant google/gemma-4-26b-a4b-it, avec une fenêtre de contexte de 262 144 tokens et un tarif de 0,06 $ par million de tokens d'entrée et de 0,33 $ par million de tokens de sortie. Étant donné qu'OrcaRouter répercute le prix catalogue du fournisseur avec 0 % de marge, tout changement de prix décidé par Google ou ses partenaires d'hébergement apparaît de notre côté le jour même, et non au cycle de facturation suivant. Une seconde référence Gemma 4 26B A4B est également proposée sur la plateforme à un tarif plus élevé, ce qu'il vaut mieux savoir avant de supposer que la ligne la moins chère est la seule.

LBS-27B n'est pas disponible sur OrcaRouter, et nous ne prétendrons pas le contraire. Il n'y a aucun poids à servir. Si et quand cela change, la façon raisonnable de l'évaluer n'est pas une migration complète mais une répartition : acheminer une partie du trafic vers le nouveau modèle via la même clé API, garder Gemma comme solution de repli, et comparer sur vos propres entrées. Le basculement automatique en cas de défaillance rend cela sûr d'une manière qu'une intégration directe ne permet pas, car un modèle défaillant ou indisponible se dégrade vers un modèle connu au lieu de faire échouer la requête.

Qui devrait agir, et qui devrait attendre

Si vous avez besoin cette semaine d’un modèle multimodal peu coûteux avec un contexte long et une licence permissive, Gemma 4 26B A4B est la réponse et LBS-27B n’entre pas dans la conversation. Ce n’est pas une critique envers inclusionAI ; c’est ce que signifie un dépôt vide.

Si vous surveillez la classe 27B pour une bête de somme uniquement texte et que vous pouvez vous permettre d’attendre, ce qu’il faut surveiller, c’est le fichier de configuration. Une architecture creuse avec un faible nombre de paramètres actifs ferait de LBS-27B un véritable concurrent tarifaire de Gemma. Une architecture dense en ferait une option qualité à coût plus élevé. Et une tour de vision dans le dépôt ferait passer la comparaison d’« alternative texte » à « rival direct » du jour au lendemain.

Jusqu'à ce que l'un de ces éléments apparaisse, ce que cette page peut dire de plus utile est aussi ce qu'il y a de moins enthousiasmant : Gemma dispose d'une fiche technique chiffrée et d'un prix en direct, LBS dispose d'une ligne de licence, et l'écart entre les deux n'est pas un écart de qualité, mais un écart de preuves.