Een gegenereerde titelkaart met de tekst 'DaisyRose 27B vs Gemma 4 26B A4B', met als ondertitel '27,8B gelezen per token, 3,8B gelezen per token', boven drie afgeronde kaarten met de tekst 'DaisyRose: 27,8B dense, post-train alleen met RL', 'Gemma 4 26B A4B: 25,2B totaal, 3,8B actief' en 'Gehoste prijs: $0,06 in, $0,33 uit per miljoen', met een voettekst met de tekst 'DaisyRose-cijfers volgens RadixArk, november 2026; Gemma-cijfers volgens Google DeepMind.' Het OrcaRouter-logo staat rechtsonder.
Guides & Insights

DaisyRose 27B vs Gemma 4 26B A4B: 27,8B Dense vs 3,8B Actief

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

DaisyRose 27B en Gemma 4 26B A4B zijn modellen in dezelfde gewichtsklasse met volledig verschillende kostenstructuren, en de prijsregel maakt dat sneller concreet dan welke benchmark ook. Gemma 4 26B A4B — 25,2 miljard parameters, waarvan er 3,8 miljard per token worden gelezen — wordt op OrcaRouter aangeboden voor $0,06 per miljoen inputtokens en $0,33 per miljoen outputtokens. DaisyRose 27B, RadixArks uitsluitend op reinforcement learning gebaseerde post-train van Qwen3.8-27B, gepubliceerd op 18 november 2026, heeft 27,8 miljard dense parameters waarvan elke parameter bij elk token wordt gelezen, wordt geleverd als 52 GB aan BF16-gewichten, heeft geen door de leverancier gehoste API en heeft een datacenter-GPU nodig om überhaupt te draaien. De ene is een model dat je voor een paar cent huurt. De andere is een model dat je zelf uitrolt. Al het andere in deze vergelijking volgt daaruit.

Het benchmarkbeeld is oprecht interessant en oprecht onvolledig: de twee modellen delen precies twee openbare rijen, GPQA Diamond en Humanity's Last Exam, en op beide ligt DaisyRose 27B voor met een marge die veel groter is dan het parameterverschil. Of die marge behouden blijft onder een gedeelde harness, is de vraag die deze pagina niet kan beantwoorden, en dat zegt ze ook.

De naam is een specificatie.

Het label van Gemma 4 26B A4B bevat het routeringsbeleid, en de eigen modelkaart van Google zegt het letterlijk: "de 'A' in 26B A4B staat voor 'actieve parameters', in tegenstelling tot het totale aantal parameters dat het model bevat."

• Totaal aantal parameters — 25,2B. • Actief per token — 3,8B. • Expertindeling — 8 van 128 experts actief plus 1 gedeelde expert, per token geselecteerd. De gedeelde expert wordt altijd gelezen; daarom is het actieve aantal niet simpelweg 8/128 van het totaal. • Lagen — 30, met een schuifvenster van 1.024 tokens.

DaisyRose 27B heeft geen dergelijke structuur om te beschrijven. Het is een dense transformer: 27,8 miljard parameters, waarvan 0,46 miljard een vision-encoder en 0,42 miljard een multi-token-prediction-head, zonder router tussen de invoer en de berekening. Elk token betaalt voor elk gewicht.

Het praktische gevolg is dat ene getal dat deze modellen meer van elkaar onderscheidt dan welke benchmark dan ook. Een sparse model met 3,8B actieve parameters draait ongeveer zo snel als een 4B-model, terwijl het het geheugen van een 25B-model meedraagt — G​oogle's kaart zegt dat ronduit en beschrijft de MoE-variant als "bijna zo snel als een model met 4B parameters." Een dense 27,8B-model draait op de snelheid van een 27,8B-model, en niemand heeft die snelheid gepubliceerd: de kaart van RadixArk vermeldt voor geen enkele hardwareconfiguratie een aantal tokens per seconde.

Wat de RL opleverde, en wat niet

De training van DaisyRose 27B is het onderdeel van deze vergelijking waarvoor aan de Gemma-kant geen equivalent bestaat. RadixArk gebruikte uitsluitend reinforcement learning — geen supervised fine-tuning-ronde, geen distillatie — op ongeveer 1.200 zorgvuldig samengestelde langlopende agenttaken, gebouwd met Eigent AI, met sessies tot wel één miljoen tokens, gedurende achttien dagen op 144 H200's en circa 63.000 GPU-uren. Het doel was geen algemene capaciteitsverhoging, maar een specifieke: een 27B-model beter maken in de lus van een taak lezen, een tool aanroepen, het resultaat lezen en de fout herstellen.

Dat komt naar voren in de rijen waar de twee modellen daadwerkelijk met elkaar kunnen worden vergeleken, en het komt niet uniform naar voren.

• GPQA Diamond — DaisyRose 27B 90,7 tegenover 82,3 van Gemma 4 26B A4B. Beide door de leverancier gerapporteerd: het cijfer van RadixArk is afkomstig uit acht runs op 198 vragen met het simple-evals-sjabloon en een herschikte antwoordvolgorde; dat van Google is één gepubliceerd getal op de modelkaart.

• Humanity's Last Exam, zonder tools — DaisyRose 27B 34,3 tegenover de 8,7 van Gemma 4 26B A4B. Dit is de grootste kloof in beide tabellen en degene die je het meest moet wantrouwen, omdat de configuraties verschillen: RadixArk voerde vijf runs per probleem uit met GPT-6 Luna als beoordelaar en zonder tools; het cijfer van Google zonder tools is 8,7, met 17,2 wanneer het model een zoektool mag gebruiken.

Twee rijen zijn geen vergelijking, en geen van beide leveranciers heeft de harness van de ander gedraaid. Wat de HLE-kloof wel suggereert — en het is een suggestie, geen meting — is dat een post-training gericht op lange agentische sessies overdraagt naar moeilijke redeneervragen op een manier die een sparse architectuur die vooraf is getraind voor brede bekwaamheid niet doet. Wat het niet aantoont, is dat het effect 25 punten is, omdat de harnesses verschillend zijn en een van de twee cijfers afkomstig is van een model waaraan in zijn betere configuratie tools zijn gegeven.

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.

De rijen die slechts aan één kant voorkomen

Beide kaarten publiceren benchmarks die de ander niet publiceert, en die asymmetrie is op zichzelf veelzeggend over wat elke leverancier het bewijzen waard vond.

Gemma 4 26B A4B publiceert een volledige tabel met algemene capaciteiten: MMLU Pro 82,6, AIME 2026 zonder hulpmiddelen 88,3, LiveCodeBench v6 77,1, Codeforces ELO 1718, Tau2 gemiddeld over drie 68,2, BigBench Extra Hard 64,8, MMMLU 86,3, MMMU Pro 73,8, MATH-Vision 82,4, en MRCR v2 bij acht needles en 128K-context 44,1. Er is geen Terminal Bench-, geen SWE-bench- en geen IFBench-rij op de kaart.

DaisyRose 27B publiceert in plaats daarvan de agentische en instructievolgende set: Terminal Bench 4.1 12,0 tegen een basis van 5,6, Terminal Bench 2.1 75,5, DeepSWE v1.1 46,2, SWE Bench Pro v2 94,7 en IFBench 82,4. Er staat geen MMLU Pro-, geen AIME- en geen Codeforces-rij op de modelkaart.

Samen gelezen beschrijven de twee tabellen verschillende producten. Google publiceert een algemeen model en bewijst dat in de standaard academische suite. RadixArk publiceert een agentmodel en bewijst dat in de standaard agentische suite. De overlap bedraagt twee rijen van ongeveer twintig, en een koper die tussen beide kiest, kiest vooral welke suite die belangrijk vindt — een veel eenvoudiger beslissing dan de scorekolommen doen vermoeden.

Waar elk ervan draait

Dit is het gedeelte dat voor de meeste lezers de vergelijking bepaalt, omdat de implementatieverhalen elkaar helemaal niet overlappen.

• Gemma 4 26B A4B — vandaag gehost voor $0,06 per miljoen invoertokens en $0,33 per miljoen uitvoertokens op OrcaRouter, naast een door Obsidian gehoste build van dezelfde architectuur. De open gewichten zijn Apache 2.0, in bfloat16 (ongeveer 51,6 GB verdeeld over twee shards), een quantisatiebewust getrainde Q4_0-GGUF die het op één consumentenkaart laat passen, een w4a16 compressed-tensors-build voor vLLM, en een multi-token-prediction-drafter voor speculatieve decoding. De blogpost van Google over de familie beschrijft de twee grotere maten als "efficiënt passend op één enkele 80GB NVIDIA H100 GPU."

• DaisyRose 27B — BF16 bij ongeveer 52 GB, FP8 bij ongeveer 29 GB, NVFP4 bij ongeveer 23 GB en uitsluitend voor Blackwell, plus een DSpark-drafter voor speculatief decoderen voor SGLang. RadixArk vermeldt implementatie op één GPU op H200, B200, GB300, RTX PRO 6000, RTX 5090 en DGX Spark. Er is geen prijs voor een gehoste API; aanbiedingen van derden noemen $0,15 per miljoen invoertokens en $1,88 per miljoen uitvoertokens, wat de openingspositie van één host is in plaats van een leverancierstarief.

Die cijfers brengen het verschil in hostingkosten op ongeveer tweeënhalf keer bij input en bijna zes keer bij output, in het voordeel van de derde partij. Dat is de eerlijke vergelijking tegen lijstprijs. Het is ook de vergelijking die verandert zodra de workload lang wordt: een sparse model blijft 3,8B aan rekenkracht per token betalen, terwijl een dense model 27,8B betaalt, dus het verschil wordt groter in latency en in hardware-seconden lang voordat het groter wordt in dollar per miljoen tokens.

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.

Wat de agentische training per dollar waard is

De interessante versie van deze vergelijking is niet "welke scoort hoger", maar "wat kost de agentische lift per taak". Het model van RadixArk bestaat omdat het basismodel, Qwen3.8-27B, 5,6 scoort op Terminal Bench 4.1 en 12,0 na post-training. Als je een codeeragent draait die commando's uitvoert, is dat het verschil tussen een model dat het meestal niet kan en een dat het soms wel kan, en een verdubbeling van een klein getal is voor de juiste koper echt geld waard.

Gemma 4 26B A4B heeft helemaal geen Terminal Bench-cijfer, waardoor de waardebewering niet meetbaar is op basis van openbare data. Wat het wel heeft, is een prijs die het experiment goedkoop maakt: voor $0,06 per miljoen invoertokens kun je een paar duizend agenttrajecten draaien voor de kosten van een uur op een H200, en erachter komen of het model faalt op een manier die ertoe doet voor jouw workload. De sparse-architectuur maakt dat dubbel zo goedkoop — de tokenprijs is laag en de tokens komen snel terug.

Zo ziet de echte afweging eruit. DaisyRose 27B is een gespecialiseerde post-train met een specifieke, door de leverancier gerapporteerde agentische claim en geen gehoste prijs. Gemma 4 26B A4B is een algemeen model met een brede gepubliceerde mogelijkhedentabel, een snel inferentieprofiel en een lijstprijs van centen per miljoen tokens. Als je taak langdurig toolgebruik is en je kunt hosten, is het de moeite waard om de specialist te benchmarken. Als je taak iets anders is, of als je niet kunt hosten, wint het algemene model van $0,06 op de enige as die ertoe doet.

Beide vanaf één sleutel uitvoeren

Gemma 4 26B A4B staat vandaag op OrcaRouter onder google/gemma-4-26b-a4b-it, aangeboden voor $0,06 per miljoen invoertokens en $0,33 per miljoen uitvoer, met een context van 262.144 tokens en tekst-, beeld- en video-invoer. DaisyRose 27B staat op het moment van schrijven niet in de catalogus en deze pagina zal niet anders suggereren — het is een self-hosted release via SGLang, vLLM en Docker.

De basis is echter wel. Qwen3.8-27B wordt aangeboden als qwen/qwen3.8-27b voor $0,33 per miljoen invoertokens en $2,40 per miljoen uitvoertokens, met dezelfde context van 262.144 tokens en dezelfde visiontoren die de post-train behoudt. Dat geeft een lezer twee nuttige dingen: een baseline uit dezelfde familie om op de eigen prompts te draaien voordat die besluit of de RL-post-train het waard is om te deployen, en een fallbackroute. Als een zelfgehoste DaisyRose-instantie een sandbox-timeout tegenkomt, kan een routeringsregel de oproep doorsturen naar het basismodel in plaats van deze te laten vallen, en omdat we de lijstprijzen van providers doorgeven met 0% opslag, bereikt een prijswijziging aan de leverancierskant aan beide uiteinden dezelfde sleutel op de dag dat die ingaat.

De goedkoopste volgende stap is geen benchmark: het is Gemma 4 26B A4B en Qwen3.8-27B draaien op je eigen agent-traces, in die volgorde — eerst het goedkope model, om te zien waar je taken echt stuklopen, en dan de duurdere baseline om te zien of het stuklopen aan het basismodel ligt. Pas daarna heeft een achttien dagen durende RL-posttraining iets om zich tegen af te zetten.

Vergeleken in dit artikel1

Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt