כרטיס כותרת שנוצר ועליו כתוב 'DaisyRose 27B לעומת Gemma 4 31B', עם כותרת משנה 'שני מודלים צפופים, שתי משימות שונות', מעל שלושה כרטיסים מעוגלים שעליהם כתוב 'DaisyRose: 27.8B צפוף, פוסט-אימון מבוסס RL בלבד', 'Gemma 4 31B: 30.7B צפוף, יכולת כללית' ו־'GPQA Diamond: 90.7 לעומת 84.3', עם כותרת תחתונה שעליה כתוב 'נתוני DaisyRose לפי RadixArk, נובמבר 2026; נתוני Gemma 4 31B לפי Google DeepMind.' הלוגו של OrcaRouter נמצא בפינה הימנית התחתונה.
Guides & Insights

DaisyRose 27B לעומת Gemma 4 31B: שני מודלים צפופים, שתי משימות שונות

מחבר

jinhao.song

תאריך פרסום

מודלים אחרונים · 20צפו בכל המודלים →
בנצ'מרקים: Artificial Analysis · מתעדכן יומית
חזרה לכל הפוסטים

DaisyRose 27B ו-Gemma 4 31B הם הזוג הקרוב ביותר במשפחה הזו של השוואות: שניהם צפופים, שניהם בין 27 ל-31 מיליארד פרמטרים, שניהם מולטימודליים עם חלון הקשר של 256K אסימונים, שניהם Apache 2.0, ושניהם נשלחים עם drafter לפענוח ספקולטיבי לצד המשקולות. הם גם, לפי הראיות שהספקים שלהם בחרו לפרסם, מכוונים לקונים שונים. Gemma 4 31B הוא הג'נרליסט של Google DeepMind — מודל צפוף בן 30.7B עם מצב חשיבה שניתן להגדרה, קריאה מקורית לפונקציות, יותר מ-140 שפות וטבלת יכולות בת ארבעה-עשר שורות המכסה הכול מ-AIME ועד לפרסור מסמכים. DaisyRose 27B הוא המומחה של RadixArk, שפורסם ב-18 בנובמבר 2026, עבר אימון-על עם למידת חיזוק בלבד על משימות סוכנים ארוכות טווח, והוכח על טבלת סוכנים בת חמש שורות. המודלים כמעט זהים בצורתם; ההוכחה שכל ספק מציע כמעט אינה חופפת.

רק מדד אחד בשתי הטבלאות גם יחד נושא את שני השמות: GPQA Diamond, שבו DaisyRose 27B מדווח 90.7 ו-Gemma 4 31B מדווח 84.3. שש וחצי נקודות במבחן מדעי ברמת תואר שני, ממודל עם 2.9 מיליארד פרמטרים פחות, הן הכותרת של העמוד הזה — וכל היתר עוסק בסיבה לכך שהכותרת הזאת דקה מכפי שהיא נראית.

שתי ארכיטקטורות שנראות דומות

תסירו את המיתוג, ודפי המפרט חופפים יותר מכל מפגש אחר בסדרה הזו.

• פרמטרים — DaisyRose 27B עם 27.8B פרמטרים צפופים, שמתוכם 0.46B הם מקודד חזותי ו-0.42B ראש חיזוי רב-אסימוני, לעומת Gemma 4 31B עם 30.7B פרמטרים צפופים ומקודד חזותי בעל כ-550M פרמטרים. אין ניתוב מומחים באף אחד מהצדדים, כך שמספר הפרמטרים הפעילים שווה לסך הכול בשניהם.

• הקשר — 262,144 אסימונים עבור DaisyRose 27B; 256K עבור Gemma 4 31B. בפועל, אותה תקרה.

• מודאליות — קלט טקסט ותמונה, פלט טקסט, בשניהם. אודיו אינו זמין באף אחד משני הגדלים; בצד של Gemma הוא מוגבל לחברי המשפחה E2B, E4B ו-12B.

• רישיון — Apache 2.0 בשניהם, מצוין בשני כרטיסי המודל.

• טכניקת הקשר ארוך — Gemma 4 31B משיגה זאת עם 60 שכבות, חלון הזזה מקומי של 1,024 אסימונים המשולב עם קשב גלובלי מלא, מפתחות וערכים מאוחדים בשכבות הגלובליות ו-RoPE פרופורציונלי. DaisyRose 27B יורשת את הארכיטקטורה של Qwen3.8-27B ללא שינוי, שהוא אותו רעיון של קשב היברידי שהגיע משושלת עיצוב אחרת.

שני המקומות שבהם הם באמת נבדלים הם אלה שקובעים לשם מה נועד המודל. Gemma 4 31B מגיע עם מצב חשיבה שניתן להגדיר, קריאה לפונקציות מקורית ותמיכה מפורשת בתפקיד system. DaisyRose 27B מגיע עם תבנית צ'אט זהה לזו של מודל הבסיס שלו וריצת אימון שהשקיעה את כל התקציב שלה בהתנהגות בטרמינל ובכלים ולא ברוחב יריעה.

השורה היחידה שהם חולקים

GPQA Diamond, 198 שאלות מדע ברמת תואר שני, הוא המדד היחיד ששני הכרטיסים מפרסמים, והתצורות שמאחורי שני המספרים אינן אותה מדידה.

ה-90.7 של DaisyRose 27B מגיע משמונה ריצות על 198 שאלות באמצעות תבנית simple-evals, כאשר סדר התשובות עורבב מחדש בכל פעם, והוא מדווח בתור התוצאה הטובה מבין ריצות ה-BF16 וה-FP8 שלה. ה-84.3 של Gemma 4 31B הוא נתון בודד בכרטיס המודל של G​oogle, ללא ציון מספר ריצות וללא ציון של כלי הערכה (harness) בטבלה עצמה.

אז הפער אמיתי במובן ששני הספקים פרסמו מספר תחת אותו שם מבחן, ורך במובן שלצד אחד יש שמונה ריצות ופרוטוקול ערבוב מחדש, בעוד שהמתודולוגיה של הצד האחר היא הערת שוליים. שש וחצי נקודות הן בערך שלושים ושלושה שאלות מתוך 198. זה גדול מרעש דגימה בקבוצה של 198 שאלות, אבל הבדל בהרנס בגודל כזה אינו נדיר, ואף אחד מהספקים לא הריץ את ההערכה של האחר.

מה שהופך את השורה למעניינת יותר מציון בודד הוא היכן היא ממוקמת ביחס למודל הבסיס של כל מודל. DaisyRose 27B משפר את GPQA Diamond מ-89.2 ל-90.7 לעומת Qwen3.8-27B — עלייה של 1.5 נקודות מ-18 ימים של למידת חיזוק. Gemma 4 31B משיג 84.3, שהם 2 נקודות מעל 82.3 של הדגם האח 26B A4B שלו. בבנצ'מרק הזה שני המודלים קרובים למקום שאליו הביא אותם הקדם-אימון, והפוסט-אימון לא הזיז אף אחד מהם באופן משמעותי. אם אתם בוחרים ביניהם בתחום המדע לתארים מתקדמים, פער שש הנקודות הוא בעיקר פער של מודל בסיס ולא פער של מתכון אימון.

A screenshot of the Hugging Face model card for google/gemma-4-31B-it showing the repository header, the dense 30.7B description, the 256K-token context, the Apache 2.0 licence and the benchmark comparison table against Gemma 4 26B A4B.

הטבלאות שרק צד אחד מילא בהן

כאן ההשוואה מפסיקה להיות השוואה והופכת לבחירה של ראיות. Google פרסמה טבלת יכולות כלליות ו-RadixArk פרסמה טבלת יכולות סוכניות, ושתיהן אינן חופפות זו לזו.

בכרטיס של Gemma 4 31B מופיעים MMLU Pro 85.2, AIME 2026 ללא כלים 89.2, LiveCodeBench v6 80.0, Codeforces ELO 2150, Tau2 76.9, HLE ללא כלים 19.5 ועם חיפוש 26.5, BigBench Extra Hard 74.4, MMMLU 88.4, MMMU Pro 76.9, MATH-Vision 85.6, MedXPertQA MM 61.3, OmniDocBench 1.5 ב-0.131, ו-MRCR v2 עם שמונה needles והקשר של 128K עומד על 66.4. אין שורה של Terminal Bench, אין שורה של SWE-bench ואין שורה של IFBench.

הכרטיס של DaisyRose 27B מציג את Terminal Bench 4.1 ב-12.0 לעומת בסיס של 5.6, את Terminal Bench 2.1 ב-75.5, את DeepSWE v1.1 ב-46.2, את SWE Bench Pro v2 ב-94.7 ואת IFBench ב-82.4, וכן HLE בטקסט בלבד ב-34.3 ואת GPQA Diamond ב-90.7. אין כלל MMLU Pro, אין AIME, אין Codeforces ואין שורת מדד חזותי — למרות שהמודל כולל מקודד חזותי.

שתי אסימטריות בהשוואה הזו ראויות לציון. הראשונה היא HLE: RadixArk מדווחת על 34.3 ללא כלים, Google מדווחת על 19.5 ללא כלים ועל 26.5 עם חיפוש. אפילו כשנותנים ל-Gemma 4 31B את תצורת הסיוע בכלים שלה, המספר של DaisyRose 27B גבוה בכמעט שמונה נקודות — אך המדרגים שונים, שכן RadixArk השתמשה ב-GPT-6 Luna בחמישה ריצות לכל בעיה, בעוד Google אינה מפרטת את מערך הדירוג שלה. השנייה היא ראייה: DaisyRose 27B מגיעה עם מקודד ראייה בגודל 0.46B ואינה מפרסמת שום מדד ראייה כלל, ולכן היכולת הרב-מודלית שלה אינה נמדדת בפומבי. Gemma 4 31B מפרסמת את MMMU Pro, MATH-Vision, OmniDocBench ו-MedXPertQA. אם אתם זקוקים להבנת תמונות, לאחד מהמודלים האלה יש ראיות ולשני יש מקודד.

זיכרון, פורמטים וכמה עולה כל הורדה

שני המודלים הם 52 עד 63 GB בדיוק מלא, מה שמציב אותם באותה מחלקת חומרה והופך את רשימת הפורמטים לחלק השימושי של ההשוואה.

• DaisyRose 27B — BF16 בערך 52 GB, FP8 בערך 29 GB, NVFP4 בערך 23 GB ומיועד ל-Blackwell בלבד, ובנוסף RadixArk/Qwen3.8-27B-DSpark כדראפטר לפענוח ספקולטיבי עבור SGLang. תצורת הייחוס היא ארבע רפליקות data-parallel על פני צומת עם ארבעה GPUs ב-tensor parallelism 1, הקשר של 262,144 טוקנים ומטמון KV מסוג FP8. RadixArk מציינת פריסה על GPU יחיד על H200, B200, GB300, RTX PRO 6000, RTX 5090 ו-DGX Spark.

• Gemma 4 31B — bfloat16 בשני פלחי safetensors בנפח של כ-49.8 GB ו-12.8 GB, כ-62.5 GB ביחד. QAT Q4_0 GGUF בנפח 17.7 GB בתוספת פרויקטור ראייה בנפח 1.2 GB, כ-18.9 GB לפני מטמון ה-KV, מה שמציב את החלק הצפוף העליון של קו Gemma על כרטיס צרכני בודד בנפח 24 GB. בניית compressed-tensors QAT w4a16 בנפח 23.3 GB עבור vLLM, צ'קפוינט Q4_0 לא מכומת הנושא את משקולות QAT ללא אריזה, ומודל drafter לחיזוי ריבוי טוקנים בנפח 0.94 GB.

סדרת ה-GGUF היא ההבדל המוחשי. Google מספקת בנייה 4-ביט משלה שמתאימה לכרטיס של 24 GB; RadixArk מספקת שלוש רמות דיוק ומצפה שתגישו אותן דרך SGLang. עבור צוות עם תחנת עבודה ובלי תשתית שירות, זו לא התלבטות — הורדה אחת עובדת, והאחרת דורשת פריסה.

פרט אחד שמציק: הכרטיס של Gemma דורש עוזר פענוח ספקולטיבי שיתאים לדיוק של ה-checkpoint של היעד, כך שמודל הטיוטה בנפח 0.94 GB מזווג עם יעד ה-QAT 31B ולא עם מהדורת ה-bfloat16. מודל הטיוטה של RadixArk נקרא על שם Qwen3.8-27B ומזווג עם בניית ה-FP8 של DaisyRose 27B עצמה.

A generated two-column scoreboard titled 'DaisyRose 27B vs Gemma 4 31B — the scoreboard'. Left column DaisyRose 27B: parameters 27.8B dense; training RL only, 63,000 GPU-hours; context 262,144 tokens; GPQA Diamond 90.7; HLE no tools 34.3; formats BF16, FP8, NVFP4. Right column Gemma 4 31B: parameters 30.7B dense; training general pretrain plus post-train; context 256K tokens; GPQA Diamond 84.3; HLE no tools 19.5; formats BF16, QAT Q4_0 GGUF, w4a16. A footer reads 'Both vendor-reported; only GPQA Diamond is published on both cards.' The OrcaRouter logo sits in the bottom-right.

עלות, וזה שיש לו מחיר

Gemma 4 31B זמין היום ב-OrcaRouter כ-google/gemma-4-31b-it במחיר $0.13 למיליון טוקני קלט ו-$0.38 למיליון טוקני פלט, עם חשיבה ניתנת להגדרה, קריאה לפונקציות נייטיבית וחלון הקשר של 256K. הסיומת -it היא חלק מהמחרוזת שהלקוח מעביר.

ל-DaisyRose 27B אין מחיר באחסון של הספק. האתר של RadixArk מתאר אימון והגשה עבור מעבדות אחרות ואינו מפרסם endpoint של DaisyRose; כרטיס המודל מפנה רק לאירוח עצמי באמצעות SGLang, vLLM ו-Docker. רשומות של צדדים שלישיים מציינות $0.15 למיליון טוקני קלט ו-$1.88 למיליון טוקני פלט, וזהו מחיר פתיחה של מארח אחד ולא תעריף ספק.

כששמים אותם זה לצד זה, השוואת האירוח יוצאת בכיוון ההפוך מטבלת הבנצ'מרק: Gemma 4 31B בשלושה-עשר סנט למיליון בקלט מול חמישה-עשר של ספק צד-שלישי, אבל שלושים ושמונה סנט מול דולר ושמונים ושמונה סנטים בפלט. בעומס עבודה עתיר-יצירה זהו הבדל פי חמישה לטובת המודל הגדול יותר, והוא קיים מסיבה מבנית — ל-Gemma 4 31B יש דרג אירוח מבוסס עם כמה ספקים שמתחרים עליו, ואילו ל-DaisyRose 27B יש מארח אחד ושלושה ימים של היסטוריה.

A screenshot of the OrcaRouter model catalogue page for google/gemma-4-31b-it showing the model listing, the 30.7B dense description, the 256K-token context and the per-million-token pricing.

לאיזו משימה כל מודל נבנה

הסיכום הכנה הוא שהמודלים האלה לא מתחרים על אותה רכישה, וטבלאות הבנצ'מרק מוכיחות זאת בכך שהן מסרבות לחפוף.

Gemma 4 31B הוא המודל שתרצו אם אתם צריכים רוחב יריעה: מצב חשיבה שאפשר להנמיך, קריאה לפונקציות שעובדת עם סכמות כלים קיימות, יותר מ-140 שפות, הערכת ראייה שפורסמה, גרסה מכווצת כמותית שרצה על תחנת עבודה, ומחיר בשירות מתארח של שלושה עשר סנט למיליון אסימוני קלט. זו הבחירה הבטוחה למוצר כללי, והמחיר של טעות בו הוא כמה דולרים של הוצאות API.

DaisyRose 27B הוא המודל שאתה רוצה אם אתה בונה סוכן טרמינל ואתה יכול לארח אותו. הנתון שלו ב-Terminal Bench 4.1 הוא יותר מפי שניים מזה של מודל הבסיס שלו, ה-SWE Bench Pro v2 שלו עומד על 94.7, וה-IFBench שלו על 82.4 הוא הגבוה ביותר בכרטיס ההשוואה של RadixArk. כל אחד מהמספרים האלה מדווח על ידי הספק, אף אחד מהם לא שוחזר באופן עצמאי, והמודל בן שלושה ימים. אבל צורת הטענה ספציפית מספיק כדי לבדוק אותה: הרץ את עקבות הסוכן שלך מול Qwen3.8-27B — הזמין בתור 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 ומגדל ראייה — ותראה אם מצב הכשל ש-RadixArk אימנה כדי להיפטר ממנו הוא זה שאתה נתקל בו בפועל.

גם זו הדרך הזולה ביותר להכריע בין השניים. Gemma 4 31B ו-Qwen3.8-27B נמצאים מאחורי מפתח OrcaRouter אחד בלי חוזה שני ובלי שינוי בקוד, בתוספת של 0% מעל מחיר המחירון של כל ספק, כך ששינוי מחיר מצד זה או אחר מגיע אליך ביום שהוא נכנס לתוקף. אם Gemma 4 31B מטפל בלולאת הסוכן שלך, סיימת בשלושה־עשר סנט. אם לא, ואם מודל הבסיס נכשל באותו מקום, אז אימון־המשך ב-RL בן שמונה־עשר יום על H200 הוא הדבר הבא ששווה לשלם עבורו — ועד אז תדע איזו בעיה אתה קונה אותו כדי לתקן.