LBS-27B vs Gemma 4 26B A4B: cosa deve battere un repository vuoto

Se il tuo carico di lavoro coinvolge un'immagine, una pagina scansionata o uno screenshot, il confronto tra LBS-27B e Gemma 4 26B A4B è già finito. Gemma 4 26B A4B accetta immagini e fotogrammi video e restituisce testo; LBS-27B non esiste ancora in alcuna forma eseguibile, quindi non accetta nulla. Tutto il resto di questo confronto riguarda ciò che potrebbe diventare il repository vuoto di inclusionAI, e il modo onesto di rispondere è descrivere il livello che Gemma ha già stabilito anziché fingere che i due modelli siano stati misurati l'uno contro l'altro.

Quell’asimmetria è tutta la storia. Uno di questi modelli è su Hugging Face da marzo 2026, ha 8,1 milioni di download, una tabella di valutazione completa e un prezzo pubblicato. L’altro è stato creato alle 05:36 UTC del 26 ottobre 2026 e contiene un’intestazione di licenza e nulla più. Un confronto affiancato che li tratti come pari sarebbe finzione. Un confronto affiancato che ti dica cosa LBS-27B dovrebbe battere è utile, ed è quello che segue.

Il lato noto del libro mastro

Gemma 4 26B A4B è un modello mixture-of-experts con 25,2 miliardi di parametri totali e 3,8 miliardi attivi per token, tratti da 128 esperti con otto attivi più uno condiviso. Ha 30 layer, un vocabolario di 262.144 token e una finestra di contesto da 256K. Lo stack di attenzione alterna cinque layer a finestra scorrevole da 1.024 token con un layer ad attenzione completa, ed è così che Google mantiene sostenibile la finestra lunga.

È multimodale in modo specifico e limitato. C'è un encoder visivo di circa 550 milioni di parametri, input di immagini e fotogrammi video, e output testuale. L'audio non è supportato su questo modello — è presente sulle varianti più piccole E2B, E4B e 12B. La scheda dichiara il supporto per oltre 140 lingue, con circa 35 funzionanti fin da subito. La licenza è Apache-2.0 e la data limite di addestramento è gennaio 2025.

La tabella dei benchmark sulla model card di Google — riportata dal fornitore, non riprodotta in modo indipendente — riporta quanto segue: MMLU Pro 82,6, GPQA Diamond 82,3, AIME 2026 senza strumenti 88,3, LiveCodeBench v6 77,1, Codeforces ELO 1718, tau2 con media su tre suite 68,2, MMMU Pro 73,8, MATH-Vision 82,4. Le righe deboli sono informative quanto quelle forti: Humanity's Last Exam segna 8,7 senza strumenti e 17,2 con la ricerca, mentre MRCR v2 a 128K con otto aghi ha una media di 44,1. Una finestra da 256K non significa che il modello recuperi bene su 256K.

Il lato sconosciuto, detto chiaramente

LBS-27B è un repository, una licenza e un nome. Il repository è stato creato il 26 ottobre 2026 e contiene due file: un .gitattributes standard e un README di 28 byte il cui intero contenuto è la riga license: apache-2.0. Non esiste alcun config.json, nessuno shard di pesi, nessun tokenizer e nessuna model card. Non ci sono download registrati e zero like. Non siamo riusciti a trovare alcun annuncio, paper o post sui social da nessuna parte.

Ciò che questo significa per il confronto è semplice: ogni riga diversa dalla licenza è vuota. Il "27B" è una stringa nel nome del repository, non un conteggio dei parametri verificato. L'architettura potrebbe essere densa o sparsa. La lunghezza del contesto potrebbe essere qualsiasi cosa. Potrebbe esserci o meno un encoder visivo. Finché non compare un file di configurazione, nessuna di queste domande ha una risposta, e qualsiasi articolo che le compili sta inventando.

Dove il confronto verrebbe effettivamente deciso

Se LBS-27B viene distribuito come modello di classe 27B, queste sono le dimensioni che lo distingueranno da Gemma 4 26B A4B. Ogni riga riporta entrambi i lati, con l'ignoto contrassegnato come unknown anziché lasciato vuoto.

• Parametri totali e attivi — Gemma 4 26B A4B è da 25,2B totali e 3,8B attivi, secondo quanto dichiarato dal fornitore; LBS-27B è un 27B non verificato senza alcun dato sui parametri attivi.

{{1}}Architettura{{/1}} — Gemma utilizza 128 esperti con routing top-8; {{2}}LBS{{/2}} è sconosciuto, e la scelta tra denso e sparso è la singola incognita più rilevante per il costo di serving.

• Finestra di contesto — 262.144 token per Gemma; sconosciuta per LBS.

• Modalità — input di testo, immagini e fotogrammi video con output testuale per Gemma; sconosciuto per LBS, e il solo testo è il caso base finché non compare una torre di visione.

• Licenza — Apache-2.0 per Gemma; Apache-2.0 dichiarata per LBS, anche se una licenza può cambiare prima del rilascio dei pesi.

• Prezzo — $0,06 per milione di token di input e $0,33 per milione di token di output per Gemma su OrcaRouter, con 262.144 token di contesto; non esiste un prezzo per LBS perché non c'è nulla da servire.

• Valutazioni pubblicate — una tabella completa del fornitore per Gemma; nessuna per LBS.

Il numero che decide l’economia: 3,8 miliardi

L'A4B nel nome di Gemma è la sua parte più importante. Con circa 3,8 miliardi di parametri attivi per token, il modello svolge il calcolo di un modello piccolo pur mantenendo la conoscenza di uno da 25B. Ecco perché può essere prezzato a sei centesimi per milione di token di input ed essere comunque erogato commercialmente, ed è anche il motivo per cui il modello funziona su hardware con cui un 25B denso farebbe fatica.

Un 27B denso è un prodotto diverso. Legge ogni parametro per ogni token, quindi il suo costo di decodifica scala con il numero complessivo di pesi. Se LBS-27B si rivela denso, non sarà competitivo con Gemma 4 26B A4B sul prezzo a parità di qualità — sarà competitivo sulla qualità a un prezzo più alto, che nel 2026 è un'argomentazione molto più difficile. Se invece si rivela sparso con un piccolo numero di parametri attivi, il confronto diventa reale e interessante.

Ecco perché il primo artefatto credibile da tenere d'occhio non è un punteggio di benchmark. È il numero di esperti nel file di configurazione. Tutto ciò che riguarda la forma commerciale di LBS-27B deriva da quel singolo campo.

La visione è una classe di workload, non una funzionalità.

È facile trattare l'input immagine di Gemma come una casella da spuntare. In pratica, cambia completamente la gamma di compiti che il modello può svolgere. Estrazione di documenti, smistamento di screenshot, lettura di grafici, controlli di regressione dell'interfaccia utente, elaborazione di fatture e pipeline affini all'OCR non sono compiti testuali con un'immagine allegata; sono compiti in cui l'immagine è l'input. Un modello solo testuale non può accedervi, indipendentemente dal punteggio di benchmark.

I numeri della visione di Gemma sono rispettabili più che dominanti: MMMU Pro 73.8, MATH-Vision 82.4 e una distanza media di modifica di 0.149 su OmniDocBench 1.5, tutti dalla scheda di Google. Il budget di token visivi è selezionabile a 70, 140, 280, 560 o 1,120 token per immagine, il che consente di scambiare risoluzione con costo per richiesta — un dettaglio pratico che conta più in produzione che un punto in classifica.

Per LBS-27B, la questione è binaria. Se inclusionAI rilascia una torre visiva, il modello entra nella stessa classe di carico di lavoro e il confronto diventa una gara di qualità e prezzo. In caso contrario, LBS-27B può assumere solo la parte testuale del lavoro di Gemma, e la decisione diventa una questione di instradamento anziché di sostituzione.

Che cosa dovrebbe superare LBS-27B

Per amor di discussione, supponiamo che i pesi arrivino e che il modello sia un 27B competente. Per valere il passaggio da Gemma 4 26B A4B sui carichi di lavoro testuali, dovrebbe fare tre cose contemporaneamente.

Primo, supera le righe dichiarate dal fornitore per Gemma con un margine che regga le differenze tra harness. MMLU Pro 82.6, GPQA Diamond 82.3 e AIME 2026 a 88.3 sono numeri solidi per un modello con 3.8B parametri attivi, e un vantaggio di due punti su una versione diversa dell'harness non è un vantaggio. Secondo, fallo a un prezzo misto comparabile. Il prezzo di output di Gemma di $0.33 per milione è il vincolo vincolante; un modello dense da 27B a un prezzo di output da tre a cinque volte quello richiede un divario di qualità molto più ampio per giustificarsi. Terzo, superala su qualcosa in cui Gemma è visibilmente debole — il recupero su contesto lungo, dove il 44.1 di Gemma su MRCR v2 a 128K lascia margini reali, oppure l'uso di strumenti, dove la sua media tau2 di 68.2 è buona ma non eccezionale.

Il modo più plausibile con cui un nuovo 27B può vincere non è battere Gemma ovunque. È essere chiaramente migliore in un compito costoso — analisi di documenti lunghi, catene di strumenti agentiche o una lingua non inglese in cui la copertura di Gemma è scarsa — pur essendo soltanto competitivo altrove.

Prezzo, disponibilità e la risposta pratica

Gemma 4 26B A4B è disponibile oggi su OrcaRouter come google/gemma-4-26b-a4b-it, con una finestra di contesto di 262.144 token e un prezzo di 0,06 $ per milione di token di input e 0,33 $ per milione di token di output. Poiché OrcaRouter applica il prezzo di listino del fornitore con 0% di ricarico, qualsiasi variazione di prezzo effettuata da Google o dai suoi partner di hosting si riflette sul nostro lato lo stesso giorno, anziché al ciclo di fatturazione successivo. Sulla piattaforma è presente anche una seconda voce di Gemma 4 26B A4B a una tariffa più alta, cosa che vale la pena sapere prima di dare per scontato che la linea più economica sia l'unica.

LBS-27B non è su OrcaRouter, e non fingeremo che lo sia. Non ci sono pesi da servire. Se e quando la situazione cambierà, il modo sensato di valutarlo non è una migrazione in blocco ma una suddivisione: instradare una parte del traffico verso il nuovo modello tramite la stessa API key, mantenere Gemma come fallback e confrontare sui tuoi input. Il failover automatico rende tutto ciò sicuro in un modo che un'integrazione diretta non fa, perché un modello difettoso o non disponibile degrada a un modello noto invece di far cadere la richiesta.

Chi dovrebbe agire, e chi dovrebbe aspettare

Se questa settimana hai bisogno di un modello multimodale economico con un contesto lungo e una licenza permissiva, Gemma 4 26B A4B è la risposta e LBS-27B non è in discussione. Non è una critica a inclusionAI; è ciò che significa un repository vuoto.

Se stai osservando la classe 27B per un cavallo da tiro solo testo e puoi permetterti di aspettare, la cosa da tenere d'occhio è il file di configurazione. Un'architettura sparsa con un basso conteggio di parametri attivi renderebbe LBS-27B un vero concorrente sul prezzo di Gemma. Una densa ne farebbe una puntata sulla qualità a un costo più alto. E una torre di visione nel repository cambierebbe il confronto da "alternativa testuale" a "rivale diretto" dall'oggi al domani.

Finché non ne compare uno, la cosa più utile che questa pagina possa dire è la meno entusiasmante: Gemma ha una scheda tecnica con dati misurati e un prezzo in tempo reale, LBS ha una riga di licenza, e il divario tra loro non è un divario di qualità ma un divario di prove.