
DaisyRose 27B vs Gemma 4 31B: due modelli densi, due compiti diversi
- OrcaNUOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M di token · 184 tok/s
- tencentNUOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M di token · 494 tok/s
- AlibabaNUOVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 per 1M di token · 385 tok/s
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 94 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 290 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 132 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M di token · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M di token · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 104 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 215 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M di token · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
DaisyRose 27B e Gemma 4 31B sono la coppia più vicina in questa famiglia di confronti: entrambi densi, entrambi tra 27 e 31 miliardi di parametri, entrambi multimodali con un contesto di 256K token, entrambi Apache 2.0, entrambi distribuiti con un drafter per decodifica speculativa insieme ai pesi. Sono anche, stando alle prove che i rispettivi fornitori hanno scelto di pubblicare, rivolti ad acquirenti diversi. Gemma 4 31B è il generalista di Google DeepMind — un modello denso da 30,7B con una modalità di pensiero configurabile, function calling nativo, più di 140 lingue e una tabella delle capacità a quattordici righe che copre tutto, da AIME al parsing dei documenti. DaisyRose 27B è lo specialista di RadixArk, pubblicato il 18 novembre 2026, post-addestrato con il solo reinforcement learning su attività agentiche a lungo orizzonte, e dimostrato su una tabella agentica a cinque righe. I modelli sono quasi identici nella struttura; le prove offerte da ciascun fornitore sono quasi disgiunte.
Solo un benchmark tra le due tabelle riporta entrambi i nomi: GPQA Diamond, dove DaisyRose 27B riporta 90,7 e Gemma 4 31B riporta 84,3. Sei punti e mezzo su un esame scientifico di livello universitario da un modello con 2,9 miliardi di parametri in meno è il titolo di questa pagina, e il resto parla del perché quel titolo è più fragile di quanto sembri.
Due architetture che si assomigliano
Togli il branding e le schede tecniche si sovrappongono più di qualsiasi altro confronto in questa serie.
• Parametri — DaisyRose 27B 27,8B denso, di cui 0,46B è un encoder visivo e 0,42B una testa di previsione multi-token, contro Gemma 4 31B a 30,7B denso con un encoder visivo da circa 550M parametri. Nessun routing degli esperti da nessuna delle due parti, quindi il conteggio dei parametri attivi è pari al totale su entrambi.
• Contesto — 262.144 token per DaisyRose 27B; 256K per Gemma 4 31B. In pratica lo stesso tetto.
• Modalità — testo e immagini in input, testo in output, su entrambi. L'audio non è disponibile in nessuna delle due dimensioni; sul fronte Gemma è limitato ai membri E2B, E4B e 12B della famiglia.
• Licenza — Apache 2.0 su entrambi, dichiarata su entrambe le model card.
• Tecnica per il contesto lungo — Gemma 4 31B ci arriva con 60 livelli, una finestra scorrevole locale da 1.024 token intervallata con l'attenzione globale completa, chiavi e valori unificati nei livelli globali e RoPE proporzionale. DaisyRose 27B eredita intatta l'architettura di Qwen3.8-27B, ovvero la stessa idea di attenzione ibrida, giunta da una diversa linea progettuale.
I due punti in cui si differenziano davvero sono quelli che stabiliscono a cosa serve il modello. Gemma 4 31B offre una modalità di pensiero configurabile, il function calling nativo e un supporto esplicito per il ruolo di sistema. DaisyRose 27B offre un template di chat identico a quello del suo modello base e un addestramento che ha speso l'intero budget sul comportamento da terminale e sugli strumenti anziché sull'ampiezza.
L'unica riga che condividono
GPQA Diamond, 198 domande scientifiche di livello universitario avanzato, è l'unico benchmark pubblicato da entrambe le schede, e le configurazioni alla base dei due numeri non corrispondono alla stessa misurazione.
Il 90,7 di DaisyRose 27B deriva da otto esecuzioni su 198 domande utilizzando il template simple-evals, con l'ordine delle risposte rimescolato ogni volta, riportato come il migliore tra le sue esecuzioni BF16 e FP8. L'84,3 di Gemma 4 31B è un singolo valore nella model card di Google, senza un numero di esecuzioni dichiarato e senza un harness dichiarato nella tabella stessa.
Quindi il divario è reale nel senso che entrambi i fornitori hanno pubblicato un numero sotto lo stesso nome di benchmark, ma è labile nel senso che una parte ha otto esecuzioni e un protocollo di rimescolamento, mentre la metodologia dell’altra è una nota a piè di pagina. Sei punti e mezzo corrispondono all’incirca a trentatré domande su 198. È più grande del rumore di campionamento su un set di 198 domande, ma una differenza di harness di quella entità non è inaudita, e nessuno dei due fornitori ha eseguito la valutazione dell’altro.
Ciò che rende la riga più interessante di un singolo punteggio è la sua posizione rispetto alla base di ciascun modello. DaisyRose 27B migliora GPQA Diamond da 89,2 a 90,7 rispetto a Qwen3.8-27B — un guadagno di 1,5 punti ottenuto con diciotto giorni di reinforcement learning. Gemma 4 31B segna 84,3, ovvero 2 punti sopra gli 82,3 del suo fratello 26B A4B. Su questo benchmark entrambi i modelli sono vicini a dove li ha collocati il pretraining, e il post-training non ha spostato molto né l'uno né l'altro. Se si sceglie tra i due in ambito scientifico post-laurea, il divario di sei punti è soprattutto un divario tra modelli base, non tra ricette di training.

Le tabelle compilate solo da una parte
Qui il confronto smette di essere un confronto e diventa una scelta di prove. Google ha pubblicato una tabella generale delle capacità e RadixArk ne ha pubblicata una agentica, e nessuna delle due si sovrappone all'altra.
La scheda di Gemma 4 31B riporta MMLU Pro 85.2, AIME 2026 senza strumenti 89.2, LiveCodeBench v6 80.0, Codeforces ELO 2150, Tau2 76.9, HLE senza strumenti 19.5 e con ricerca 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 a 0.131 e MRCR v2 con otto aghi e contesto 128K 66.4. Non è presente alcuna riga Terminal Bench, nessuna riga SWE-bench e nessuna riga IFBench.
La scheda di DaisyRose 27B riporta Terminal Bench 4.1 a 12,0 contro una base di 5,6, Terminal Bench 2.1 a 75,5, DeepSWE v1.1 a 46,2, SWE Bench Pro v2 a 94,7 e IFBench a 82,4, oltre a HLE solo testo a 34,3 e GPQA Diamond a 90,7. Non c'è alcuna riga per MMLU Pro, AIME, Codeforces né per il benchmark di visione — nonostante il modello disponga di un encoder visivo.
Due asimmetrie in quell'abbinamento meritano di essere nominate. La prima è HLE: RadixArk riporta 34,3 senza strumenti, Google riporta 19,5 senza strumenti e 26,5 con la ricerca. Anche concedendo a Gemma 4 31B la sua configurazione assistita da strumenti, il numero di DaisyRose 27B è superiore di quasi otto punti — ma i valutatori sono diversi, poiché RadixArk ha usato GPT-6 Luna su cinque esecuzioni per problema mentre Google non specifica la propria configurazione di valutazione. La seconda è la visione: DaisyRose 27B include un encoder visivo da 0,46B e non pubblica alcun benchmark visivo, quindi la sua capacità multimodale non è misurata pubblicamente. Gemma 4 31B pubblica MMMU Pro, MATH-Vision, OmniDocBench e MedXPertQA. Se hai bisogno di comprensione delle immagini, uno di questi modelli ha evidenze e l'altro ha un encoder.
Memoria, formati e costo di ogni download
Entrambi i modelli sono da 52 a 63 GB a piena precisione, il che li colloca nella stessa classe hardware e rende l'elenco dei formati la parte utile del confronto.
• DaisyRose 27B — BF16 circa 52 GB, FP8 circa 29 GB, NVFP4 circa 23 GB e solo per Blackwell, oltre a RadixArk/Qwen3.8-27B-DSpark come drafter per il decoding speculativo per SGLang. La configurazione di riferimento prevede quattro repliche data-parallel su un nodo con quattro GPU con tensor parallelism 1, un contesto di 262,144 token e una cache KV FP8. RadixArk elenca il deployment su singola GPU per H200, B200, GB300, RTX PRO 6000, RTX 5090 e DGX Spark.
• {{1}}Gemma 4 31B{{/1}} — {{2}}bfloat16{{/2}} in due shard di safetensors da circa 49,8 GB e 12,8 GB, circa 62,5 GB in totale. Un {{3}}QAT Q4_0 GGUF{{/3}} da 17,7 GB più un proiettore visivo da 1,2 GB, circa 18,9 GB prima della KV cache, il che colloca il modello dense di punta della linea Gemma su una singola scheda consumer da 24 GB. Una build {{4}}QAT w4a16 compressed-tensors{{/4}} da 23,3 GB per vLLM, un checkpoint Q4_0 non quantizzato che contiene i pesi QAT senza packing, e un drafter da 0,94 GB per la previsione multi-token.
La linea GGUF è la differenza concreta. Google distribuisce una build a 4 bit di propria produzione che entra in una scheda da 24 GB; RadixArk distribuisce tre varianti di precisione e si aspetta che tu le serva tramite SGLang. Per un team con una workstation e nessuno stack di serving, non è una scelta difficile — un download funziona, l'altro richiede un deployment.
Un dettaglio insidioso: la scheda di Gemma richiede un assistente di decodifica speculativa che corrisponda alla precisione del checkpoint di destinazione, quindi il drafter da 0,94 GB si abbina al target QAT 31B anziché alla release bfloat16. Il drafter di RadixArk prende il nome da Qwen3.8-27B e si abbina alla build FP8 proprietaria di DaisyRose 27B.

Costo, e quello che ha un prezzo
Gemma 4 31B è disponibile oggi su OrcaRouter come google/gemma-4-31b-it a 0,13 $ per milione di token di input e 0,38 $ per milione di output, con thinking configurabile, function calling nativo e un contesto da 256K. Il suffisso -it fa parte della stringa passata da un client.
DaisyRose 27B non ha un prezzo per hosting fornito dal fornitore. Il sito di RadixArk descrive attività di training e serving per altri laboratori e non pubblica alcun endpoint DaisyRose; la model card rimanda solo all'hosting autonomo tramite SGLang, vLLM e Docker. Le inserzioni di terze parti indicano $0.15 per milione di token di input e $1.88 per milione di token di output, che è la posizione di apertura di un singolo host anziché una tariffa del fornitore.
Mettili fianco a fianco e il confronto hosted va nella direzione opposta rispetto alla tabella di benchmark: Gemma 4 31B a tredici centesimi per milione di input contro i quindici di un host di terze parti, ma trentotto centesimi contro un dollaro e ottantotto sull'output. Su un carico di lavoro con forte generazione, si tratta di una differenza di cinque volte a favore del modello più grande, ed esiste per una ragione strutturale: Gemma 4 31B ha un tier hosted consolidato con diversi provider che vi competono, mentre DaisyRose 27B ha un solo host e tre giorni di storico.

Per quale lavoro è stato creato ciascun modello
Il riassunto onesto è che questi modelli non sono in concorrenza per lo stesso acquisto, e le tabelle di benchmark lo dimostrano rifiutandosi di sovrapporsi.
Gemma 4 31B è il modello che fa per te se ti serve ampiezza: una modalità di ragionamento che puoi ridurre, chiamata di funzioni compatibile con gli schemi degli strumenti esistenti, oltre 140 lingue, una valutazione vision pubblicata, una build quantizzata che gira su una workstation e un prezzo hosted di tredici centesimi per milione di token di input. È la scelta sicura per un prodotto generico, e il costo di sbagliare è qualche dollaro di spesa API.
DaisyRose 27B è il modello che fa per te se stai costruendo un agente da terminale e hai la possibilità di ospitarlo. Il suo valore su Terminal Bench 4.1 è più del doppio di quello del suo modello base, il suo SWE Bench Pro v2 si attesta a 94.7 e il suo IFBench a 82.4 è il più alto nella scheda di confronto di RadixArk. Ognuno di questi numeri è dichiarato dal fornitore, nessuno è stato riprodotto in modo indipendente e il modello ha tre giorni di vita. Ma la forma dell'affermazione è abbastanza specifica da poter essere testata: esegui le tracce del tuo agente su Qwen3.8-27B — disponibile come qwen/qwen3.8-27b a $0.33 per milione di token in input e $2.40 per milione in output, con lo stesso contesto da 262.144 token e la stessa torre di visione — e verifica se la modalità di errore che RadixArk ha addestrato a eliminare è quella che incontri davvero.
È anche il modo più economico per decidere tra questi due. Gemma 4 31B e Qwen3.8-27B sono raggiungibili con un'unica chiave OrcaRouter senza un secondo contratto e senza modifiche al codice, con un ricarico dello 0% rispetto al prezzo di listino di ciascun provider, così un cambio di prezzo da una delle due parti ti arriva il giorno stesso in cui entra in vigore. Se Gemma 4 31B gestisce il tuo agent loop, te la cavi con tredici centesimi. Se non è così, e il modello di base fallisce nello stesso punto, allora la prossima cosa per cui vale la pena pagare è un RL post-train di diciotto giorni su una H200 — e a quel punto saprai cosa stai comprando per risolverlo.
