
דייזירוז 27B לעומת Gemma 4 26B A4B: 27.8B צפוף לעומת 3.8B פעיל
- OrcaחדשOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 לכל 1M טוקנים · 184 tok/s
- tencentחדשTencent: Hy4 Flash2026-11-16$0.02 / $0.07 לכל 1M טוקנים · 494 tok/s
- AlibabaחדשQwen: Qwen4 Max2026-11-16$1.50 / $4.50 לכל 1M טוקנים · 385 tok/s
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 94 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 290 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 132 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 לכל 1M טוקנים · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 לכל 1M טוקנים · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 104 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 215 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 לכל 1M טוקנים · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
DaisyRose 27B ו-Gemma 4 26B A4B הם מודלים באותו משקל עם מבני עלות שונים לחלוטין, ושורת המחיר ממחישה זאת בצורה מוחשית מהר יותר מכל בנצ'מרק. Gemma 4 26B A4B — 25.2 מיליארד פרמטרים, מהם 3.8 מיליארד נקראים עבור כל טוקן — מוגש ב-OrcaRouter תמורת $0.06 למיליון טוקני קלט ו-$0.33 למיליון טוקני פלט. ואילו DaisyRose 27B, פוסט-טריין מבוסס למידת חיזוק בלבד של RadixArk על Qwen3.8-27B שפורסם ב-18 בנובמבר 2026, הוא מודל צפוף בן 27.8 מיליארד פרמטרים שכולם נקראים בכל טוקן, מגיע כקבצי משקולות BF16 בנפח 52 GB, אין לו API מתארח אצל ספק, ונדרש GPU של מרכז נתונים רק כדי להריץ אותו. האחד הוא מודל ששוכרים לפי סנטים. האחר הוא מודל שפורסים. כל השאר בהשוואה הזו נובע מכך.
תמונת הבנצ'מרק אכן מעניינת ואכן חסרה: שני המודלים חולקים בדיוק שתי שורות פומביות, GPQA Diamond ו-Humanity's Last Exam, ובשתיהן DaisyRose 27B מוביל בפער רחב בהרבה מההבדל בפרמטרים. האם הפער הזה ישרוד מפגש עם הרנס משותף היא השאלה שהעמוד הזה אינו יכול לענות עליה, והוא אומר זאת.
השם הוא מפרט
התווית של Gemma 4 26B A4B נושאת את מדיניות הניתוב שלה, והכרטיס של Google עצמו מציין את הקריאה ישירות: "ה-'A' ב-26B A4B מייצג 'פרמטרים פעילים', לעומת המספר הכולל של הפרמטרים שהמודל מכיל."
• סך הפרמטרים — 25.2B. • פעילים לכל טוקן — 3.8B. • פריסת מומחים — 8 מתוך 128 מומחים פעילים בתוספת מומחה משותף אחד, כשהבחירה נעשית לכל טוקן. המומחה המשותף נקרא תמיד, ולכן מספר הפעילים אינו פשוט 8/128 מהסך הכולל. • שכבות — 30, עם חלון הזזה של 1,024 טוקנים.
DaisyRose 27B אין לו מבנה כזה לתאר. זהו טרנספורמר צפוף: 27.8B פרמטרים, 0.46B מהם מקודד חזותי ו-0.42B ראש חיזוי רב-אסימונים, ללא נתב בין הקלט לחישוב. כל אסימון משלם עבור כל משקל.
ההשלכה המעשית היא המספר האחד שמבדיל בין הדגמים האלה יותר מכל מדד. מודל דליל עם 3.8B פרמטרים פעילים פועל במהירות הקרובה לזו של מודל 4B בעודו נושא את הזיכרון של מודל 25B — הכרטיס של Google אומר זאת במפורש, ומתאר את גרסת ה-MoE כפועלת "כמעט במהירות של מודל בעל 4B פרמטרים". מודל צפוף 27.8B פועל במהירות של מודל 27.8B, ואיש לא פרסם את המהירות הזו: הכרטיס של RadixArk אינו כולל נתון טוקנים לשנייה עבור שום תצורת חומרה.
מה ש-RL קנה, ומה שהוא לא קנה
האימון של DaisyRose 27B הוא החלק בהשוואה הזו שאין לו מקבילה בצד של Gemma. RadixArk השתמשה בלמידת חיזוק בלבד — ללא שלב כיוונון עדין מפוקח, ללא זיקוק — על פני כ-1,200 משימות סוכן נבחרות באופק ארוך שנבנו עם Eigent AI, כאשר סשנים נמשכו עד מיליון טוקנים, במשך שמונה עשר יום על 144 H200s וכ-63,000 שעות GPU. המטרה לא הייתה העלאה ביכולת כללית אלא ספציפית: לשפר את מודל ה-27B בלולאה של קריאת משימה, הפעלת כלי, קריאת התוצאה ותיקון הטעות.
זה מופיע בשורות שבהן באמת אפשר להשוות בין שני המודלים, וזה לא מופיע באופן אחיד.
• GPQA Diamond — DaisyRose 27B עם 90.7 לעומת 82.3 של Gemma 4 26B A4B. שניהם מדווחים על ידי הספק: הנתון של RadixArk הוא על פני שמונה ריצות על 198 שאלות עם תבנית simple-evals וסדר תשובות מעורבב מחדש; זה של Google הוא מספר בודד שפורסם בכרטיס המודל.
• Humanity's Last Exam, ללא כלים — DaisyRose 27B עם 34.3 לעומת 8.7 של Gemma 4 26B A4B. זהו הפער הרחב ביותר מבין שתי הטבלאות, והפער שכדאי להטיל בו ספק יותר מכול, מכיוון שהתצורות שונות: RadixArk ביצעה חמש הרצות לכל בעיה עם GPT-6 Luna כמעריך וללא כלים; הנתון 8.7 של Google הוא הנתון ללא כלים, ו-17.2 כשהמודל רשאי להשתמש בכלי חיפוש.
שתי שורות אינן השוואה, ואף אחד מהספקים לא הריץ את מערך הבדיקות של האחר. מה שהפער ב-HLE כן מרמז — וזו רמז, לא מדידה — הוא שפוסט-אימון שמכוון למפגשי סוכן ארוכים עובר לשאלות הסקה קשות באופן שארכיטקטורה דלילה שאומנה מראש ליכולת רחבה לא עושה. מה שהוא לא מראה הוא שהאפקט הוא 25 נקודות, מפני שמערכי הבדיקות שונים ואחד משני הנתונים מגיע ממודל שקיבל כלים בקונפיגורציה הטובה יותר שלו.

השורות שקיימות רק בצד אחד
כל אחד מהכרטיסים מפרסם בנצ'מרקים שהשני אינו מפרסם, והאסימטריה הזו כשלעצמה מלמדת על מה שכל יצרן חשב שראוי להוכיח.
Gemma 4 26B A4B מפרסמת טבלת יכולות כלליות מלאה: MMLU Pro 82.6, AIME 2026 ללא כלים 88.3, LiveCodeBench v6 77.1, Codeforces ELO 1718, Tau2 בממוצע על פני שלושה 68.2, BigBench Extra Hard 64.8, MMMLU 86.3, MMMU Pro 73.8, MATH-Vision 82.4, ו-MRCR v2 בשמונה מחטים ובהקשר של 128K 44.1. אין שורה של Terminal Bench, אין SWE-bench ואין IFBench בכרטיס.
DaisyRose 27B מפרסם במקום זאת את מערך הסוכנות ועקיבת ההוראות: Terminal Bench 4.1 12.0 לעומת בסיס של 5.6, Terminal Bench 2.1 75.5, DeepSWE v1.1 46.2, SWE Bench Pro v2 94.7 ו-IFBench 82.4. אין שורת MMLU Pro, אין AIME ואין Codeforces בכרטיס.
בקריאה משותפת, שתי הטבלאות מתארות מוצרים שונים. Google מפרסמת מודל כללי ומוכיחה אותו בכל מערך המבחנים האקדמי הסטנדרטי. RadixArk מפרסמת מודל סוכני ומוכיחה אותו בכל מערך המבחנים הסוכני הסטנדרטי. החפיפה היא שתי שורות מתוך כעשרים בערך, וקונה שבוחר ביניהם בוחר בעיקר באיזה מערך מבחנים חשוב לו — החלטה פשוטה בהרבה ממה שעמודות הניקוד גורמות לה להיראות.
היכן כל אחד פועל
זהו הקטע שמכריע את ההשוואה עבור רוב הקוראים, מכיוון שסיפורי הפריסה כלל אינם מצטלבים.
• Gemma 4 26B A4B — זמינה היום דרך OrcaRouter במחיר $0.06 למיליון טוקני קלט ו-$0.33 למיליון טוקני פלט, לצד בילד באירוח Obsidian של אותה ארכיטקטורה. המשקולות הפתוחות הן ברישיון Apache 2.0, ב-bfloat16 (כ-51.6 GB על פני שני שרדים), Q4_0 GGUF שאומן במודעות לקוונטיזציה ושמאפשר להריץ אותו על כרטיס צרכני יחיד, בילד w4a16 של compressed-tensors עבור vLLM, ו-drafter לחיזוי ריבוי טוקנים עבור פענוח ספקולטיבי. הפוסט המשפחתי של Google מתאר את שני הגדלים הגדולים יותר כמתאימים "ביעילות על GPU יחיד מסוג NVIDIA H100 בנפח 80GB".
• DaisyRose 27B — BF16 בנפח של כ-52 GB, FP8 בנפח של כ-29 GB, NVFP4 בנפח של כ-23 GB ובאופן בלעדי ל-Blackwell, בתוספת drafter לפענוח ספקולטיבי DSpark עבור SGLang. RadixArk מפרטת פריסה על GPU בודד ב-H200, B200, GB300, RTX PRO 6000, RTX 5090 ו-DGX Spark. אין מחיר API מתארח; רישומים של צד שלישי מציינים $0.15 למיליון טוקני קלט ו-$1.88 למיליון טוקני פלט, שזו עמדת פתיחה של מארח אחד ולא תעריף ספק.
המספרים האלה מציבים את פער עלויות האירוח בערך פי שניים וחצי בקלט וכמעט פי שישה בפלט, לטובת הצד השלישי. זו ההשוואה הכנה במחיר מחירון. זו גם ההשוואה שמשתנה ברגע שעומס העבודה ארוך: מודל דליל ממשיך לשלם 3.8B של מחשוב לכל טוקן בעוד שמודל צפוף משלם 27.8B, ולכן הפער מתרחב בזמן השהיה ובשניות חומרה הרבה לפני שהוא מתרחב בדולרים למיליון טוקנים.

כמה שווה האימון האג'נטי לכל דולר
הגרסה המעניינת של ההשוואה הזו אינה "איזה מודל מקבל ציון גבוה יותר" אלא "מהי העלות של השיפור הסוכני לכל משימה". המודל של RadixArk קיים משום שמודל הבסיס שלו, Qwen3.8-27B, מקבל 5.6 ב-Terminal Bench 4.1 ו-12.0 לאחר אימון נוסף. אם אתם מריצים סוכן קוד שמבצע פקודות, זהו ההבדל בין מודל שרוב הזמן אינו מסוגל לבין מודל שלפעמים מצליח, והכפלה של מספר קטן שווה כסף אמיתי לקונה הנכון.
ל-Gemma 4 26B A4B אין כלל נתון של Terminal Bench, מה שהופך את טענת הערך לבלתי ניתנת למדידה מנתונים ציבוריים. מה שכן יש לו הוא מחיר שהופך את הניסוי לזול: ב-$0.06 למיליון טוקני קלט תוכלו להריץ כמה אלפי מסלולי סוכנים בעלות של שעה אחת של H200, ולגלות אם המודל נכשל באופן שמשנה לעומס העבודה שלכם. הארכיטקטורה הדלילה הופכת את זה לזול כפליים — מחיר הטוקן נמוך והטוקנים חוזרים מהר.
זו הצורה של ההחלטה האמיתית. DaisyRose 27B הוא מומחה שעבר אימון־המשך עם טענה ספציפית ליכולות סוכניות, כפי שדווח על ידי הספק, ואין לו מחיר אירוח. Gemma 4 26B A4B הוא מודל כללי עם טבלת יכולות מפורסמת ורחבה, פרופיל הסקה מהיר ומחיר מחירון הנמדד בסנטים למיליון טוקנים. אם המשימה שלך היא שימוש בכלים לטווח ארוך ויש לך אפשרות לארח, המומחה שווה בדיקת בנצ׳מרק. אם המשימה שלך היא כל דבר אחר, או שאין לך אפשרות לארח, המודל הכללי במחיר $0.06 מנצח בציר היחיד שחשוב.
הרצת שניהם ממפתח אחד
Gemma 4 26B A4B זמין ב-OrcaRouter היום תחת google/gemma-4-26b-a4b-it, מוצע במחיר של $0.06 למיליון טוקני קלט ו-$0.33 למיליון טוקני פלט, עם חלון הקשר של 262,144 טוקנים וקלט טקסט, תמונה ווידאו. DaisyRose 27B אינו בקטלוג בזמן כתיבת שורות אלה, והדף הזה לא ירמוז אחרת — מדובר בגרסה באירוח עצמי דרך SGLang, vLLM ו-Docker.
הבסיס שלה כן, לעומת זאת. Qwen3.8-27B מוגש כ-qwen/qwen3.8-27b במחיר 0.33 דולר למיליון טוקני קלט ו-2.40 דולר למיליון טוקני פלט, עם אותו חלון הקשר של 262,144 טוקנים ואותו מגדל ראייה�ה-post-train שומר עליו. זה נותן לקורא שני דברים שימושיים: קו בסיס מאותה משפחה להריץ על הפרומפטים שלו לפני שמחליטים אם ה-RL post-train שווה פריסה, ומסלול גיבוי. אם מופע DaisyRose באירוח עצמי נתקל בפסק זמן של ארגז חול, כלל ניתוב יכול להעביר את הקריאה למודל הבסיס במקום להפיל אותה, ומכיוון שאנו מעבירים הלאה את מחירי המחירון של הספק במרווח של 0%, שינוי מחיר מצד הספק בכל אחד מהקצוות מגיע לאותו מפתח ביום שהוא נכנס לתוקף.
הצעד הבא הזול ביותר אינו מבחן ביצועים: הוא הרצת Gemma 4 26B A4B ו-Qwen3.8-27B על טרייסים של הסוכן שלך, בסדר הזה — קודם המודל הזול, כדי לראות היכן המשימות שלך באמת נשברות, ואחר כך קו הבסיס היקר יותר, כדי לראות אם השבירה היא באשמת מודל הבסיס. רק לאחר מכן יש ל-post-train של RL בן שמונה עשר יום משהו להוכיח מולו.
השוואות במאמר הזה1
זוהה מתוך המאמר הזה · בנצ'מרקים: Artificial Analysis · מתעדכן יומית
