Nanbeige4.3-33B לעומת Gemma 4 26B-A4B: מורה ללא נקודת קצה מול סוס עבודה בשישה סנטים
- OrcaחדשOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 75 tok/s
- OrcaחדשOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 114 tok/s
- OrcaחדשOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 לכל 1M טוקנים · 40 tok/s
- orcaחדשOrca: OrcaC2 1.02026-10-303 tok/s
- OrcaחדשOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 101 tok/s
- OrcaחדשOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 100 tok/s
- OrcaחדשOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 100 tok/s
- OrcaחדשOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 48 tok/s
- MoonshotחדשMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaחדשOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 74 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 54 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 163 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2228אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2244אינטליגנציה
השוואה בין Nanbeige4.3-33B ל-Gemma 4 26B-A4B על גבי בנצ'מרק היא המהלך הראשון הלא נכון, והסיבה אינה שהמספרים קרובים או רחוקים. הסיבה היא שרק לאחד משני המודלים האלה יש מחיר. Gemma 4 26B-A4B הוא מודל מתארח ב-OrcaRouter במחיר של $0.06 למיליון אסימוני קלט ו-$0.33 למיליון אסימוני פלט, עם חלון של 262,144 אסימונים וזמן חציוני עד לאסימון הראשון (p50) של 826 מילישניות. ל-Nanbeige4.3-33B אין נקודת קצה, אין מחירון ואין ספק הסקה רשום במאגר שלו — העלות שלו היא ארבעה כרטיסי GPU וחשבון החשמל שלך.
אז השאלה האמיתית אינה איזה מודל מקבל ציון גבוה יותר. אלא אם הפער ביכולת בין מורה צפוף בעל 33 מיליארד פרמטרים לבין תערובת מומחים בעלת 26 מיליארד פרמטרים שמפעילה 3.8 מיליארד פרמטרים לכל טוקן שווה את המעבר מסעיף מחייב לפי מדידה לסעיף הוני. זו שאלה שאפשר לענות עליה בחשבון, והחשבון מחמיא פחות למודל הגדול מכפי שטבלת הבנצ'מרקים מרמזת.
לציון המדד אין מספר שותף
Nanbeige4.3-33B ממוקם במקום ה-20 ב-Artificial Analysis Intelligence Index v5.0.1. ל-Gemma 4 26B-A4B אין כלל ציון v5: העמוד שלה ב-Artificial Analysis מציג את הציון המשולב כ-N/A, מציין "Unknown out of 4 units for Intelligence", ומציין שאין API זמין לציבור להריץ את מערך הבדיקות הנוכחי. כל ציון שהשיגה באינדקס קודם שייך לרובריקה שכבר אינה קיימת.
לא ניתן לחסר את שתי העובדות זו מזו. מדד v5 הוא מערך הערכה שונה, עם בסיס חדש, מקודמיו, ומודל שהשיג ציון טוב לפי המתודולוגיה הישנה לא בהכרח היה נוחת במקום קרוב לזה לפי החדשה. כל מי שמראה לך השוואה של "20 מול מה ש-Gemma השיגה בשנה שעברה" משווה בין שני מבחנים שונים. האמירה הכנה היא ש-Gemma 4 26B-A4B אינו נמדד במדד המשולב הנוכחי ו-Nanbeige4.3-33B נמדד ב-20, ועד ששניהם יופיעו ב-v5 אין דלתא של מדד לצטט.
מה שכן קיים על הרנס משותף הוא Terminal-Bench. Artificial Analysis הריצה את Gemma 4 26B-A4B וקיבלה 39.0% ב-Terminal-Bench 2.1. היא הריצה את Nanbeige4.3-33B וקיבלה 29.8% ב-Terminal-Bench 4.0 — מבחן אחר וקשה יותר, כך ששוב אין כאן הפרש. בכרטיס הדגם של Nanbeige עצמה נטען 80.9 ב-Terminal-Bench 2.1 עבור Nanbeige4.3-33B לעומת 73.0 עבור Qwen3.8-27B, אבל השורה הזו מדווחת על ידי הספק עם הרנס Terminus 2 ולא שוחזרה באופן עצמאי. יש לקרוא אותה כ"Nanbeige מאמינה שהיא חזקה כאן", ולא כמספר.
מה שכל מודל באמת מעוצב לעשות
הארכיטקטורה מספרת לך יותר מאשר המדדים, מפני ששני העיצובים מייעלים אילוצים מנוגדים.
• צורה — Nanbeige4.3-33B הוא בעל 33.1B פרמטרים, כולם צפופים, מופעלים בכל טוקן. Gemma 4 26B-A4B הוא 25.2B בסך הכול עם כ-3.8B פעילים לכל טוקן, יחס של 6.6:1.
• זיכרון עבור משקלים — 66.3 GB ב-bfloat16 עבור Nanbeige4.3-33B על פני ארבעה עשר מקטעים. Gemma 4 26B-A4B נכנס בכ-18 GB ב-4-bit, שזה כרטיס גרפי צרכני בודד.
• הקשר — 524,288 טוקנים מקוריים עבור Nanbeige4.3-33B, ללא החלת סקיילינג, לעומת 262,144 עבור Gemma 4 26B-A4B. שניהם מוגשים ב-262K ב-OrcaRouter עבור מודל Gemma.
• מודאליות — טקסט נכנס, טקסט יוצא, אנגלית וסינית, עבור Nanbeige4.3-33B. Gemma 4 26B-A4B מקבל טקסט, תמונה ווידאו ומחזיר טקסט, מה שמסיים את ההשוואה עבור כל pipeline שקורא צילומי מסך.
• רישיון — Apache 2.0 בשניהם, כך שהמצב המשפטי זהה וההחלטה היא טכנית וכלכלית בלבד.
• חשיבה — שניהם מגיעים עם חשיבה מופעלת כברירת מחדל, ושניהם חושפים דרך להנמיך אותה. Nanbeige4.3-33B ממליץ על תקרה של 262,144 טוקנים לחשיבה ו-65,536 לעבודה סוכנית; Gemma 4 26B-A4B מגביל את הפלט נמוך בהרבה בפועל, בסביבות 33K טוקנים ברוב המסלולים.
הזוג האחרון הוא לב העניין. מודל Nanbeige בנוי לרוץ לאורך זמן — הפעלות טרמינל ארוכות, מסלולי סוכנים ארוכים, שרשראות חשיבה ארוכות — וכל אחד מהטוקנים האלה עולה לך זמן GPU בקצבים של מודל צפוף. מודל Gemma בנוי להיות זול לכל טוקן, וזו הסיבה ש-Google יכולה להשיק אותו עם 3.8B פעילים וזו הסיבה שזה עולה שישה סנטים להתחיל שיחה.
דוגמה מעשית, כי זו החלטת עלות
קח משימה שקוראת 20,000 טוקנים של קלט ומפיקה 3,000 טוקנים של פלט, והרץ אותה אלף פעמים ביום.
ב-Gemma 4 26B-A4B במחירון של OrcaRouter, כל קריאה עולה 20,000 × $0.06 למיליון עבור קלט — $0.0012 — בתוספת 3,000 × $0.33 למיליון עבור פלט — $0.00099. כלומר $0.00219 לקריאה, או $2.19 לאלף קריאות, או כ-$66 בחודש בנפח כזה.
ב-Nanbeige4.3-33B אין מחיר לכל קריאה לחישוב, כי אין קריאה. אתה צריך חומרה. ב-bfloat16 המשקלים לבדם הם 66.3 GB, מה שלא נכנס בכרטיס בודד של 80 GB יחד עם מטמון KV שימושי ברגע שההקשר גדל: כל טוקן במטמון עולה כ-208 KiB, כך ששיחה של 32K טוקנים מוסיפה בערך 6.5 GiB לכל רצף. מקביליות טנזורית בארבע דרכים היא התצורה שכרטיס של Nanbeige עצמו מניח, וזה הרף המינימלי לפריסה רצינית, לפני שאתה סופר את הצומת השנייה שדרושה לך ליתירות.
אם תעמידו אותם זה לצד זה, המסקנה הכנה היא ששני המודלים אינם תחליפים בנפחים נמוכים. מתחת לכמה מיליון טוקנים ביום, Gemma 4 26B-A4B זול יותר בסדר גודל, והפער הסוכני יצטרך להיות עצום כדי לגשר עליו. מעל לנפח הזה, העלות הקבועה של אחסון עצמי מתפרסת וההשוואה הופכת אמיתית — וזה בדיוק הרגע שבו החוזקה של ה-33B לטווח ארוך מתחילה להיות משמעותית.
היכן שהמודל הצפוף מחזיר את ההשקעה
הטיעון בעד Nanbeige4.3-33B אינו "שהוא טוב יותר". הוא "שהוא עושה דבר ספציפי שהמודל הזול עושה אותו רע", והמספרים הבלתי־תלויים מצביעים על איזה דבר בדיוק.
Terminal-Bench 4.0 עם 29.8% הוא, לפי הלוח של Artificial Analysis עצמו, התוצאה ה-56 בטיבה מכל תצורה על אותו מבחן. זה לא מספר כותרת. עם זאת, זה בערך פי חמישה ממה ש-Qwen3.8-27B משיג בהגדרת החשיבה הגבוהה ביותר שלו על אותה מסגרת בדיקה, וזהו מבחן שבנוי סביב עבודת טרמינל לטווח ארוך — מסוג המשימות שבהן מודל שנכנע מוקדם מקבל אפס, לא משנה עד כמה טוב הוא מנמק.
אותה תבנית מופיעה בנתוני הכיול. Nanbeige4.3-33B משיג 11.7% דיוק ב-AA-Omniscience אך 81.8% אי-הזיה, מקום שביעי בכל האתר. בלולאת סוכן, מודל שאומר "אני לא יודע" במקום להמציא נתיב שווה יותר ממודל שטוב ממנו בחמש נקודות בטריוויה ומבדה כשנגמר לו הכביש. נתוני הכיול המקבילים של Gemma 4 26B-A4B אינם מפורסמים במדד המשולב הנוכחי, כך שזו טענה לגבי Nanbeige, לא השוואה.
החלק שמכריע את זה עבור רוב הצוותים
אפשר להגיע לשני המודלים באמצעות מפתח אחד אם ברצונך לבחון את הטענה ולא לקרוא אותה. Gemma 4 26B-A4B נמצא בקטלוג OrcaRouter במחיר שלמעלה, עם חלון של 262K וניתוב ללא שימור נתונים זמין באותה נקודת קצה. Nanbeige4.3-33B אינו בקטלוג — אנחנו לא מארחים אותו, ואין לקרוא שום דבר כאן כטענה שאנחנו כן.
המשמעות המעשית של אסימטריה זו היא שהצד הזול של ההשוואה הזו הוא ניסוי של חמש דקות, והצד היקר הוא רכש. אם עומס העבודה שלכם הוא מולטימודלי, או שהנפח שלכם קטן מכמה מיליון טוקנים ביום, או שאתם צריכים תשובה השבוע, Gemma 4 26B-A4B מנצח רק בזכות הזמינות ושאלת הבנצ'מרק כלל לא נשאלת.
אם עומס העבודה שלך הוא אוטומציה של מסוף לטווח ארוך, אתה כבר יודע שמודל עם 4B פרמטרים פעילים יאבד את החוט אי שם בשעה השנייה, וה-29.8% הוא המספר שמעניין אותך. אז השאלה הופכת להיות אם אתה יכול להרשות לעצמך ארבעה GPUs, ואף מבחן ביצועים לא יכול לענות על זה בשבילך.
