LBS-27B vs Gemma 4 26B A4B: Apa yang Harus Diungguli Repositori Kosong

Jika beban kerja Anda melibatkan gambar, halaman hasil pindai, atau tangkapan layar, perbandingan antara LBS-27B dan Gemma 4 26B A4B sudah berakhir. Gemma 4 26B A4B menerima gambar dan bingkai video serta mengembalikan teks; LBS-27B belum ada dalam bentuk apa pun yang dapat dijalankan, jadi model ini tidak menerima apa pun. Semua hal lain dalam pertandingan ini adalah pertanyaan tentang seperti apa repositori kosong inclusionAI nanti, dan cara jujur untuk menjawabnya adalah menjelaskan standar yang telah ditetapkan Gemma alih-alih berpura-pura kedua model telah diukur satu sama lain.

Asimetri itulah inti ceritanya. Salah satu model ini telah ada di Hugging Face sejak Maret 2026, memiliki 8,1 juta unduhan, tabel evaluasi lengkap, dan harga yang dipublikasikan. Model lainnya dibuat pada 05:36 UTC tanggal 26 Oktober 2026 dan hanya berisi header lisensi, tidak ada lagi. Perbandingan berdampingan yang memperlakukan keduanya sebagai setara adalah fiksi. Perbandingan berdampingan yang memberi tahu Anda apa yang harus diungguli LBS-27B itu berguna, dan itulah yang disajikan berikut ini.

Sisi yang sudah diketahui dari buku besar

Gemma 4 26B A4B adalah model mixture-of-experts dengan 25,2 miliar parameter total dan 3,8 miliar parameter aktif per token, diambil dari 128 expert dengan delapan expert aktif ditambah satu expert bersama. Model ini memiliki 30 lapisan, kosakata 262.144 token, dan jendela konteks 256K. Tumpukan attention-nya bergantian antara lima lapisan sliding-window berukuran 1.024 token dengan satu lapisan full-attention, yang merupakan cara Google menjaga jendela panjang tetap terjangkau.

Model ini multimodal dengan cara yang spesifik dan terbatas. Terdapat encoder visi dengan sekitar 550 juta parameter, masukan gambar dan bingkai video, serta keluaran teks. Audio tidak didukung pada model ini — fitur tersebut ada pada varian yang lebih kecil, E2B, E4B, dan 12B. Kartu tersebut mengklaim dukungan untuk lebih dari 140 bahasa dengan sekitar 35 bahasa yang berfungsi langsung tanpa konfigurasi. Lisensinya Apache-2.0, dan batas waktu pelatihan adalah Januari 2025.

Tabel benchmark pada kartu model Google — dilaporkan vendor, tidak direproduksi secara independen — berbunyi sebagai berikut: MMLU Pro 82.6, GPQA Diamond 82.3, AIME 2026 tanpa alat 88.3, LiveCodeBench v6 77.1, Codeforces ELO 1718, tau2 dirata-ratakan atas tiga suite 68.2, MMMU Pro 73.8, MATH-Vision 82.4. Baris lemah sama informatifnya dengan baris kuat: Humanity's Last Exam mencetak 8.7 tanpa alat dan 17.2 dengan pencarian, dan MRCR v2 pada 128K dengan delapan jarum rata-rata 44.1. Jendela 256K tidak berarti model mengambil informasi dengan baik di sepanjang 256K.

Sisi yang tidak diketahui, dinyatakan secara gamblang

LBS-27B adalah sebuah repositori, sebuah lisensi, dan sebuah nama. Repositori tersebut dibuat pada 26 Oktober 2026 dan berisi dua file: sebuah .gitattributes standar dan sebuah README berukuran 28 byte yang seluruh isinya adalah baris license: apache-2.0. Tidak ada config.json, tidak ada shard bobot, tidak ada tokenizer, dan tidak ada kartu model. Tidak ada unduhan yang tercatat dan nol suka. Kami tidak dapat menemukan pengumuman, makalah, atau postingan media sosial di mana pun.

Apa artinya untuk perbandingan ini sederhana: setiap baris selain lisensi kosong. "27B" adalah string dalam nama repositori, bukan jumlah parameter yang terverifikasi. Arsitekturnya bisa padat atau sparse. Panjang konteksnya bisa apa saja. Mungkin ada atau tidak ada encoder visi. Sampai file konfigurasi muncul, tidak ada satu pun pertanyaan itu yang memiliki jawaban, dan artikel apa pun yang mengisinya sedang mengarang.

Di mana pertandingan itu sebenarnya akan ditentukan

Jika LBS-27B dirilis sebagai model kelas 27B, inilah dimensi-dimensi yang akan membedakannya dari Gemma 4 26B A4B. Setiap baris memuat kedua sisi, dengan yang tidak diketahui ditandai sebagai tidak diketahui alih-alih dibiarkan kosong.

• Total dan parameter aktif — Gemma 4 26B A4B memiliki total 25,2B dan 3,8B aktif, menurut laporan vendor; LBS-27B adalah 27B yang belum terverifikasi tanpa angka parameter aktif.

• Arsitektur — Gemma menggunakan 128 ahli dengan perutean top-8; LBS tidak diketahui, dan padat versus jarang adalah satu-satunya hal yang belum diketahui yang paling berdampak pada biaya penyajian.

• Jendela konteks — 262.144 token untuk Gemma; tidak diketahui untuk LBS.

• Modalitas — input teks, gambar, dan frame video dengan output teks untuk Gemma; tidak diketahui untuk LBS, dan hanya-teks merupakan kasus dasar sampai menara visi muncul.

• Lisensi — Apache-2.0 untuk Gemma; Apache-2.0 dideklarasikan untuk LBS, meskipun lisensi dapat berubah sebelum bobot dikirim.

• Harga — $0,06 per juta token input dan $0,33 per juta token output untuk Gemma di OrcaRouter, pada 262.144 token konteks; tidak ada harga untuk LBS karena tidak ada yang bisa dilayani.

• Evaluasi yang telah dipublikasikan — tabel vendor lengkap untuk Gemma; tidak ada untuk LBS.

Angka yang menentukan keekonomian: 3,8 miliar

A4B dalam nama Gemma adalah bagian terpentingnya. Dengan sekitar 3,8 miliar parameter aktif per token, model ini melakukan komputasi seperti model kecil sekaligus membawa pengetahuan model 25B. Itulah sebabnya model ini dapat dipatok pada harga enam sen per juta token masukan dan tetap dilayani secara komersial, dan itulah sebabnya model ini berjalan pada perangkat keras yang akan membuat model 25B dense kesulitan.

27B dense adalah produk yang berbeda. Ia membaca setiap parameter untuk setiap token, sehingga biaya dekodenya berskala dengan jumlah bobot penuh. Jika LBS-27B ternyata dense, ia tidak akan bersaing dengan Gemma 4 26B A4B pada harga dengan kualitas yang sama — ia akan bersaing pada kualitas dengan harga yang lebih tinggi, yang merupakan argumen yang jauh lebih sulit pada 2026. Jika ternyata sparse dengan jumlah parameter aktif yang kecil, perbandingannya menjadi nyata dan menarik.

Inilah sebabnya artefak kredibel pertama yang layak diperhatikan bukanlah skor benchmark. Itu adalah jumlah expert di file konfigurasi. Segala hal tentang bentuk komersial LBS-27B berpangkal pada satu bidang itu.

Visi adalah kelas beban kerja, bukan fitur.

Mudah untuk menganggap input gambar Gemma sebagai sekadar kotak centang. Dalam praktiknya, hal itu mengubah pekerjaan apa saja yang benar-benar bisa ditangani model. Ekstraksi dokumen, triase tangkapan layar, pembacaan grafik, pemeriksaan regresi UI, pemrosesan faktur, dan pipeline yang berdekatan dengan OCR bukanlah tugas teks dengan gambar yang dilampirkan; itu adalah tugas yang gambarnya menjadi input. Model yang hanya mendukung teks tidak dapat memasukinya pada skor benchmark apa pun.

Angka visi Gemma cukup terhormat, bukan dominan: MMMU Pro 73.8, MATH-Vision 82.4, dan rata-rata jarak edit OmniDocBench 1.5 sebesar 0.149, semuanya dari kartu Google. Anggaran token visual dapat dipilih pada 70, 140, 280, 560, atau 1,120 token per gambar, yang memungkinkan Anda menukar resolusi dengan biaya per permintaan — detail praktis yang lebih penting dalam produksi daripada satu poin papan peringkat.

Bagi LBS-27B, pertanyaannya bersifat biner. Jika inclusionAI merilis vision tower, model tersebut masuk ke kelas beban kerja yang sama dan perbandingannya menjadi kontes kualitas dan harga. Jika tidak, LBS-27B hanya dapat mengambil separuh bagian teks dari pekerjaan Gemma, dan keputusannya menjadi pertanyaan routing alih-alih pertanyaan penggantian.

Apa yang harus dilewati LBS-27B

Anggaplah, demi argumen, bahwa bobotnya tiba dan model tersebut adalah 27B yang kompeten. Agar layak untuk beralih dari Gemma 4 26B A4B pada beban kerja teks, model itu harus melakukan tiga hal sekaligus.

Pertama, kalahkan baris-baris yang dilaporkan vendor Gemma dengan margin yang tetap bertahan meskipun ada perbedaan harness. MMLU Pro 82.6, GPQA Diamond 82.3, dan AIME 2026 pada 88.3 adalah angka yang kuat untuk model dengan 3.8B parameter aktif, dan keunggulan dua poin pada versi harness yang berbeda bukanlah keunggulan. Kedua, lakukan itu pada harga blended yang sebanding. Harga output Gemma sebesar $0.33 per juta adalah kendala yang mengikat; model dense 27B dengan tarif output tiga hingga lima kali lipat dari itu memerlukan selisih kualitas yang jauh lebih besar agar layak. Ketiga, kalahkan Gemma pada sesuatu yang jelas lemah darinya — retrieval konteks panjang, di mana 44.1 Gemma pada MRCR v2 di 128K menyisakan ruang nyata, atau penggunaan alat, di mana rata-rata tau2-nya sebesar 68.2 bagus tetapi tidak istimewa.

Cara paling masuk akal bagi 27B baru untuk menang bukanlah dengan mengalahkan Gemma di segala hal. Melainkan dengan jelas lebih baik pada satu pekerjaan mahal — analisis dokumen panjang, rantai alat agentic, atau bahasa selain Inggris yang cakupan Gemma tipis — sementara di bidang lain hanya sekadar kompetitif.

Harga, ketersediaan, dan jawaban praktis

Gemma 4 26B A4B tersedia di OrcaRouter hari ini sebagai google/gemma-4-26b-a4b-it, dengan konteks 262.144 token dan harga $0,06 per juta token input serta $0,33 per juta token output. Karena OrcaRouter meneruskan harga daftar penyedia pada markup 0%, setiap perubahan harga yang dilakukan Google atau mitra hosting-nya akan muncul di sisi kami pada hari yang sama, bukan pada siklus penagihan berikutnya. Ada juga listing Gemma 4 26B A4B kedua di platform dengan tarif lebih tinggi, yang perlu Anda ketahui sebelum menganggap bahwa baris termurah adalah satu-satunya.

LBS-27B tidak tersedia di OrcaRouter, dan kami tidak akan berpura-pura sebaliknya. Tidak ada bobot untuk disajikan. Jika dan ketika itu berubah, cara yang masuk akal untuk mengevaluasinya bukanlah migrasi menyeluruh, melainkan pemisahan: arahkan sebagian trafik ke model baru melalui kunci API yang sama, pertahankan Gemma sebagai fallback, dan bandingkan pada input Anda sendiri. Failover otomatis membuatnya aman dengan cara yang tidak dimiliki integrasi langsung, karena model yang buruk atau tidak tersedia akan turun ke model yang sudah dikenal alih-alih menggagalkan permintaan.

Siapa yang harus bertindak, dan siapa yang harus menunggu

Jika Anda membutuhkan model multimodal murah dengan konteks panjang dan lisensi yang permisif minggu ini, Gemma 4 26B A4B adalah jawabannya dan LBS-27B tidak masuk dalam perbincangan. Itu bukan sindiran terhadap inclusionAI; itulah makna dari repositori yang kosong.

Jika Anda memantau kelas 27B untuk pekerja teks saja dan bisa menunggu, hal yang perlu diperhatikan adalah file konfigurasi. Arsitektur sparse dengan jumlah aktif yang kecil akan menjadikan LBS-27B pesaing harga yang sesungguhnya bagi Gemma. Arsitektur dense akan menjadikannya strategi kualitas dengan biaya lebih tinggi. Dan menara visi di repositori akan mengubah perbandingan dari "alternatif teks" menjadi "rival langsung" dalam semalam.

Sampai salah satunya muncul, hal paling berguna yang bisa dikatakan halaman ini adalah yang paling tidak menarik: Gemma memiliki lembar spesifikasi yang terukur dan harga yang berlaku, LBS memiliki keterangan lisensi, dan kesenjangan di antara keduanya bukanlah kesenjangan dalam kualitas melainkan kesenjangan dalam bukti.