Una card di titolo generata che recita 'DaisyRose 27B vs Gemma 4 26B A4B', con sottotitolo '27,8B letti per ogni token, 3,8B letti per token', sopra tre card arrotondate che recitano 'DaisyRose: 27,8B dense, post-training solo RL', 'Gemma 4 26B A4B: 25,2B totali, 3,8B attivi' e 'Prezzo hosted: $0,06 in ingresso, $0,33 in uscita per milione', con un footer che recita 'Dati DaisyRose secondo RadixArk, novembre 2026; dati Gemma secondo Google DeepMind.' Il logo OrcaRouter si trova in basso a destra.
Guides & Insights

DaisyRose 27B vs Gemma 4 26B A4B: 27,8B densi vs 3,8B attivi

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

DaisyRose 27B e Gemma 4 26B A4B sono modelli della stessa classe di peso con strutture di costo completamente diverse, e la linea di prezzo lo rende concreto più in fretta di qualsiasi benchmark. Gemma 4 26B A4B — 25,2 miliardi di parametri, dei quali 3,8 miliardi vengono letti per ogni token — è servito su OrcaRouter a 0,06 $ per milione di token in input e 0,33 $ per milione di token in output. DaisyRose 27B, il post-training solo con reinforcement learning di RadixArk sul Qwen3.8-27B pubblicato il 18 novembre 2026, ha 27,8 miliardi di parametri densi con ognuno di essi letto su ogni token, viene distribuito come 52 GB di pesi BF16, non ha un'API ospitata dal fornitore e richiede una GPU da datacenter anche solo per funzionare. Uno è un modello che noleggi a centesimi. L'altro è un modello che distribuisci. Tutto il resto di questo confronto deriva da ciò.

Il quadro comparativo è davvero interessante e davvero incompleto: i due modelli condividono esattamente due righe pubbliche, GPQA Diamond e Humanity's Last Exam, e su entrambe DaisyRose 27B è avanti con un margine molto più ampio della differenza di parametri. Se quel margine sopravviva al contatto con un harness condiviso è la domanda a cui questa pagina non sa rispondere, e lo dichiara apertamente.

Il nome è una specifica.

L'etichetta di Gemma 4 26B A4B riporta la sua politica di routing, e la scheda di Google stessa dichiara direttamente il significato: "la 'A' in 26B A4B sta per 'parametri attivi', in contrasto con il numero totale di parametri contenuti nel modello."

• Parametri totali — 25,2B. • Attivi per token — 3,8B. • Disposizione degli esperti — 8 esperti su 128 attivi più 1 esperto condiviso, selezionati per token. L'esperto condiviso viene sempre letto, motivo per cui il conteggio degli attivi non è semplicemente 8/128 del totale. • Livelli — 30, con una finestra scorrevole di 1.024 token.

DaisyRose 27B non ha una struttura del genere da descrivere. È un transformer denso: 27,8B parametri, 0,46B dei quali un encoder visivo e 0,42B una testa di previsione multi-token, senza alcun router tra l'input e il calcolo. Ogni token paga per ogni peso.

La conseguenza pratica è quel numero che separa questi modelli più di qualsiasi benchmark. Un modello sparse con 3,8B attivi funziona a una velocità vicina a quella di un modello da 4B, pur avendo la memoria di uno da 25B — la scheda di G​oogle lo afferma senza mezzi termini, descrivendo la variante MoE come capace di funzionare "quasi alla velocità di un modello da 4B parametri". Un modello dense da 27,8B funziona alla velocità di un 27,8B, e nessuno ha pubblicato quella velocità: la scheda di RadixArk non riporta alcun dato di token al secondo per nessuna configurazione hardware.

Cosa ha comprato il RL, e cosa non ha comprato

L'addestramento di DaisyRose 27B è la parte di questo confronto che non ha equivalenti sul fronte Gemma. RadixArk ha usato solo apprendimento per rinforzo — nessuna passata di fine-tuning supervisionato, nessuna distillazione — su circa 1.200 attività agente curate a lungo orizzonte e create con Eigent AI, con sessioni fino a un milione di token, per diciotto giorni su 144 H200 e circa 63.000 ore GPU. L'obiettivo non era un miglioramento generale delle capacità, ma uno specifico: rendere un 27B migliore nel ciclo di leggere un'attività, chiamare uno strumento, leggere il risultato, correggere l'errore.

Ciò emerge nelle righe in cui i due modelli possono effettivamente essere confrontati, e non emerge in modo uniforme.

• GPQA Diamond — DaisyRose 27B 90,7 contro 82,3 di Gemma 4 26B A4B. Entrambi riportati dai fornitori: il dato di RadixArk deriva da otto esecuzioni su 198 domande con il template simple-evals e l'ordine delle risposte rimescolato; quello di Google è un singolo numero pubblicato sulla model card.

• Humanity's Last Exam, senza strumenti — DaisyRose 27B 34,3 contro l'8,7 di Gemma 4 26B A4B. Questo è il divario più ampio in entrambe le tabelle e quello di cui diffidare maggiormente, perché le configurazioni differiscono: RadixArk ha eseguito cinque prove per problema con GPT-6 Luna come valutatore e senza strumenti; l'8,7 di Google è il valore senza strumenti, con 17,2 quando al modello è consentito uno strumento di ricerca.

Due righe non sono un confronto, e nessuno dei due fornitori ha eseguito l'harness dell'altro. Ciò che il divario HLE suggerisce — ed è un suggerimento, non una misurazione — è che un post-training mirato a lunghe sessioni agentiche si trasferisce a domande di ragionamento difficile in un modo in cui un'architettura sparsa preaddestrata per capacità ampie non fa. Ciò che non dimostra è che l'effetto sia di 25 punti, poiché gli harness sono diversi e uno dei due valori proviene da un modello a cui sono stati forniti strumenti nella sua configurazione migliore.

A screenshot of the Hugging Face model card for google/gemma-4-26B-A4B-it, showing the repository header, the mixture-of-experts description with 25.2B total and 3.8B active parameters, the 256K-token context, the Apache 2.0 licence and the benchmark table.

Le righe che solo un lato ha

Entrambe le schede pubblicano benchmark che l'altra non riporta, e questa asimmetria è di per sé indicativa di ciò che ciascun produttore riteneva valesse la pena dimostrare.

Gemma 4 26B A4B pubblica una tabella completa delle capacità generali: MMLU Pro 82,6, AIME 2026 senza strumenti 88,3, LiveCodeBench v6 77,1, Codeforces ELO 1718, Tau2 con media su tre 68,2, BigBench Extra Hard 64,8, MMMLU 86,3, MMMU Pro 73,8, MATH-Vision 82,4 e MRCR v2 a otto needles e contesto 128K 44,1. Non c'è alcuna riga Terminal Bench, né SWE-bench, né IFBench sulla scheda.

DaisyRose 27B pubblica invece il set agentico e di instruction-following: Terminal Bench 4.1 12.0 rispetto a una baseline di 5.6, Terminal Bench 2.1 75.5, DeepSWE v1.1 46.2, SWE Bench Pro v2 94.7 e IFBench 82.4. Non c'è alcuna riga MMLU Pro, AIME o Codeforces sulla scheda.

Lette insieme, le due tabelle descrivono prodotti diversi. G​oogle sta pubblicando un modello generale e lo sta dimostrando sull'intera suite accademica standard. RadixArk sta pubblicando un modello per agenti e lo sta dimostrando sull'intera suite agentica standard. La sovrapposizione è di due righe su circa venti, e un acquirente che sceglie tra i due sta per lo più scegliendo quale suite gli interessa — una decisione molto più semplice di quanto le colonne dei punteggi facciano sembrare.

Dove viene eseguito ciascuno

Questa è la sezione che decide il confronto per la maggior parte dei lettori, perché le storie di deployment non si intersecano affatto.

• Gemma 4 26B A4B — ospitato oggi a 0,06 $ per milione di token in input e 0,33 $ per milione di token in output su OrcaRouter, insieme a una build ospitata da Obsidian della stessa architettura. I pesi aperti sono Apache 2.0, in bfloat16 (circa 51,6 GB su due shard), un GGUF Q4_0 addestrato con approccio quantisation-aware che lo rende utilizzabile su una singola scheda consumer, una build w4a16 compressed-tensors per vLLM e un drafter per la previsione multi-token per la decodifica speculativa. Il post della famiglia Google descrive le due versioni più grandi come adatte a stare "efficientemente su una singola GPU NVIDIA H100 da 80 GB".

• DaisyRose 27B — BF16 a circa 52 GB, FP8 a circa 29 GB, NVFP4 a circa 23 GB e solo per Blackwell, oltre a un drafter DSpark per la decodifica speculativa per SGLang. RadixArk elenca il deployment su singola GPU su H200, B200, GB300, RTX PRO 6000, RTX 5090 e DGX Spark. Non esiste un prezzo per API ospitata; le inserzioni di terze parti indicano 0,15 $ per milione di token di input e 1,88 $ per milione di output, che rappresentano la posizione iniziale di un singolo host anziché una tariffa del fornitore.

Quei numeri collocano il divario dei costi di hosting a circa due volte e mezzo sull'input e quasi sei volte sull'output, a favore della terza parte. Questo è il confronto onesto a prezzo di listino. È anche il confronto che cambia non appena il carico di lavoro è di lunga durata: un modello sparso continua a pagare 3,8B di calcolo per token mentre uno denso ne paga 27,8B, quindi il divario si allarga in latenza e in secondi hardware molto prima di allargarsi in dollari per milione di token.

A generated two-column scoreboard titled 'DaisyRose 27B vs Gemma 4 26B A4B — the scoreboard'. Left column DaisyRose 27B: parameters 27.8B dense; active per token 27.8B; context 262,144 tokens; GPQA Diamond 90.7; HLE no tools 34.3; hosted price none, self-host only. Right column Gemma 4 26B A4B: parameters 25.2B total; active per token 3.8B; context 256K tokens; GPQA Diamond 82.3; HLE no tools 8.7; hosted price $0.06 in, $0.33 out per million. A footer reads 'Vendor-reported on both sides; harnesses differ, no shared run.' The OrcaRouter logo sits in the bottom-right.

Quanto vale l'addestramento agentico per ogni dollaro

La versione interessante di questo confronto non è «quale ottiene il punteggio più alto» ma «quanto costa per attività il guadagno agentico». Il modello di RadixArk esiste perché il suo modello di base, Qwen3.8-27B, ottiene 5,6 su Terminal Bench 4.1 e 12,0 dopo il post-training. Se gestisci un agente di coding che esegue comandi, questa è la differenza tra un modello che per lo più non ci riesce e uno che a volte ci riesce, e raddoppiare un numero piccolo vale denaro reale per l'acquirente giusto.

Gemma 4 26B A4B non ha alcun dato di Terminal Bench, il che rende l'affermazione sul valore non misurabile dai dati pubblici. Quello che ha, però, è un prezzo che rende l'esperimento economico: a $0,06 per milione di token in input puoi eseguire qualche migliaio di traiettorie di agenti al costo di un'ora di una H200, e scoprire se il modello fallisce in un modo che conta per il tuo carico di lavoro. L'architettura sparsa rende questo conveniente due volte: il prezzo per token è basso e i token tornano indietro velocemente.

Questa è la sostanza della vera decisione. DaisyRose 27B è un modello specialistico post-training con un’asserzione agentica specifica, riportata dal fornitore, e nessun prezzo per hosting. Gemma 4 26B A4B è un modello generalista con un’ampia tabella di capacità pubblicata, un profilo di inferenza rapido e un prezzo di listino misurato in centesimi per milione di token. Se il tuo compito è l’uso di strumenti su orizzonti lunghi e puoi ospitare il modello, vale la pena sottoporre lo specialista a benchmark. Se il tuo compito è qualsiasi altra cosa, oppure non puoi ospitare il modello, il modello generalista a $0.06 vince sull’unico asse che conta.

Eseguire entrambi con un unico tasto.

Gemma 4 26B A4B è disponibile oggi su OrcaRouter come google/gemma-4-26b-a4b-it, servito a $0,06 per milione di token di input e $0,33 per milione di output, con una finestra di contesto di 262.144 token e input testuale, immagini e video. DaisyRose 27B non è nel catalogo al momento della stesura e questa pagina non suggerirà il contrario — è una release self-hosted tramite SGLang, vLLM e Docker.

La sua versione base, però, è disponibile. Qwen3.8-27B viene offerto come qwen/qwen3.8-27b a 0,33 $ per milione di token di input e 2,40 $ per milione di token di output, con lo stesso contesto di 262.144 token e la stessa torre visiva che il post-addestramento mantiene. Questo offre al lettore due cose utili: una baseline della stessa famiglia da eseguire sui propri prompt prima di decidere se valga la pena distribuire il post-addestramento RL, e una via di fallback. Se un'istanza DaisyRose self-hosted incontra un timeout della sandbox, una regola di routing può passare la chiamata al modello base invece di scartarla, e poiché trasferiamo i prezzi di listino dei provider con 0% di ricarico, una variazione di prezzo lato fornitore su uno dei due estremi raggiunge la stessa chiave il giorno stesso in cui viene applicata.

Il prossimo passo più economico non è un benchmark: è eseguire Gemma 4 26B A4B e Qwen3.8-27B sulle tracce dei tuoi agenti, in quest'ordine — prima il modello economico, per vedere dove i tuoi task si rompono davvero, poi la baseline più costosa per vedere se la rottura è colpa del modello base. Solo dopo questo un post-training RL di diciotto giorni ha qualcosa da dimostrare.

Confrontati in questo articolo1

Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno