Een gegenereerde titelkaart met de tekst 'DaisyRose 27B vs Gemma 4 31B', ondertiteld 'Twee dense modellen, twee verschillende taken', boven drie afgeronde kaarten met de tekst 'DaisyRose: 27,8B dense, post-train met alleen RL', 'Gemma 4 31B: 30,7B dense, algemene capaciteit' en 'GPQA Diamond: 90,7 versus 84,3', met een voettekst met de tekst 'DaisyRose-cijfers volgens RadixArk, november 2026; cijfers voor Gemma 4 31B volgens Google DeepMind.' Het OrcaRouter-logo staat rechtsonder.
Guides & Insights

DaisyRose 27B vs Gemma 4 31B: Twee dense modellen, twee verschillende taken

Auteur

jinhao.song

Publicatiedatum

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

DaisyRose 27B en Gemma 4 31B vormen het meest verwante paar in deze reeks vergelijkingen: beide dense, beide tussen 27 en 31 miljard parameters, beide multimodaal met een context van 256K tokens, beide Apache 2.0, beide met een speculative-decoding-drafter meegeleverd naast de gewichten. Op basis van het bewijsmateriaal dat hun leveranciers ervoor kozen te publiceren, zijn ze ook op verschillende kopers gericht. Gemma 4 31B is de generalist van Google DeepMind — een dense model van 30,7B met een configureerbare denkmodus, native functieaanroepen, meer dan 140 talen en een capaciteitentabel met veertien rijen die alles bestrijkt van AIME tot documentparsing. DaisyRose 27B is de specialist van RadixArk, gepubliceerd op 18 november 2026, post-getraind met uitsluitend reinforcement learning op agenttaken met een lange horizon, en bewezen op een agentische tabel met vijf rijen. De modellen zijn qua vorm vrijwel identiek; het bewijs dat elke leverancier levert, is vrijwel disjunct.

Slechts één benchmark in beide tabellen draagt beide namen: GPQA Diamond, waar DaisyRose 27B 90,7 rapporteert en Gemma 4 31B 84,3. Zes en een half punt op een wetenschappelijk examen op graduaatniveau van een model met 2,9 miljard minder parameters is de kop die deze pagina heeft, en de rest gaat over waarom die kop dunner is dan hij lijkt.

Twee architecturen die op elkaar lijken

Haal de branding weg en de specsheets overlappen meer dan bij welke andere matchup in deze serie dan ook.

• Parameters — DaisyRose 27B: 27,8B dense, waarvan 0,46B een vision-encoder is en 0,42B een multi-token-prediction-head, tegenover Gemma 4 31B met 30,7B dense en een vision-encoder van ongeveer 550M parameters. Aan geen van beide zijden is sprake van expert-routing, dus het aantal actieve parameters is aan beide zijden gelijk aan het totaal.

• Context — 262.144 tokens voor DaisyRose 27B; 256K voor Gemma 4 31B. In de praktijk hetzelfde plafond.

• Modaliteiten — tekst en afbeelding erin, tekst eruit, op beide. Audio is bij geen van beide formaten beschikbaar; aan de Gemma-kant blijft het beperkt tot de E2B-, E4B- en 12B-leden van de familie.

• Licentie — Apache 2.0 op beide, vermeld op beide modelkaarten.

• Techniek voor lange context — Gemma 4 31B bereikt dit met 60 lagen, een lokaal schuifvenster van 1.024 tokens dat wordt afgewisseld met volledige globale aandacht, verenigde sleutels en waarden in de globale lagen en proportionele RoPE. DaisyRose 27B erft de architectuur van Qwen3.8-27B ongewijzigd over, wat hetzelfde hybride-aandachtsidee is dat vanuit een andere ontwerplijn is ontstaan.

De twee punten waarop ze echt verschillen, zijn precies de punten die bepalen waarvoor het model bedoeld is. Gemma 4 31B wordt geleverd met een configureerbare denkmodus, native functieaanroepen en expliciete ondersteuning voor de systeemrol. DaisyRose 27B wordt geleverd met een chatsjabloon dat identiek is aan dat van het basismodel, en met een trainingsrun die het volledige budget besteedde aan terminal- en toolgedrag in plaats van aan breedte.

De enige rij die ze delen

GPQA Diamond, 198 wetenschapsvragen op graduate-niveau, is de enige benchmark die beide kaarten publiceren, en de configuraties achter de twee getallen zijn niet dezelfde meting.

De 90,7 van DaisyRose 27B komt uit acht runs op 198 vragen met het simple-evals-sjabloon, waarbij de antwoordvolgorde elke keer opnieuw werd geschud, gerapporteerd als de betere van zijn BF16- en FP8-runs. De 84,3 van Gemma 4 31B is één enkele waarde op Google's modelkaart, zonder dat het aantal runs of de harness in de tabel zelf wordt vermeld.

Dus de kloof is reëel in de zin dat beide leveranciers een getal onder dezelfde benchmarknaam hebben gepubliceerd, en zacht in de zin dat de ene kant acht runs en een herschikkingsprotocol heeft, terwijl de methodologie van de andere een voetnoot is. Zes en een half punt is ruwweg drieëndertig van de 198 vragen. Dat is groter dan steekproefruis op een set van 198 vragen, maar een harnessverschil van die grootte is niet ongehoord, en geen van beide leveranciers heeft de evaluatie van de ander uitgevoerd.

Wat de rij interessanter maakt dan een enkele score, is waar die staat ten opzichte van de basis van elk model. DaisyRose 27B verbetert GPQA Diamond van 89,2 naar 90,7 ten opzichte van Qwen3.8-27B — een winst van 1,5 punt uit achttien dagen reinforcement learning. Gemma 4 31B scoort 84,3, wat 2 punten boven de 82,3 van zijn eigen 26B A4B-zustermodel ligt. Op deze benchmark zitten beide modellen dicht bij het niveau waarop hun pretraining hen heeft gebracht, en de post-training heeft geen van beide veel verschoven. Als je op graduate science tussen hen kiest, is de kloof van zes punten vooral een kloof tussen de basismodellen, niet tussen de trainingsrecepten.

A screenshot of the Hugging Face model card for google/gemma-4-31B-it showing the repository header, the dense 30.7B description, the 256K-token context, the Apache 2.0 licence and the benchmark comparison table against Gemma 4 26B A4B.

De tabellen die slechts één partij heeft ingevuld

Hier houdt de vergelijking op een vergelijking te zijn en wordt het een keuze van bewijs. Google publiceerde een algemene capaciteitentabel en RadixArk een agentische, en die overlappen elkaar niet.

De kaart van Gemma 4 31B vermeldt MMLU Pro 85,2, AIME 2026 zonder tools 89,2, LiveCodeBench v6 80,0, Codeforces ELO 2150, Tau2 76,9, HLE zonder tools 19,5 en met zoeken 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 op 0,131, en MRCR v2 bij acht needles en 128K context 66,4. Er is geen Terminal Bench-rij, geen SWE-bench-rij en geen IFBench-rij.

De modelkaart van DaisyRose 27B vermeldt Terminal Bench 4.1 op 12,0 tegenover een basislijn van 5,6, Terminal Bench 2.1 op 75,5, DeepSWE v1.1 op 46,2, SWE Bench Pro v2 op 94,7 en IFBench op 82,4, plus HLE alleen tekst op 34,3 en GPQA Diamond op 90,7. Er is helemaal geen rij voor MMLU Pro, geen rij voor AIME, geen rij voor Codeforces en ook geen rij voor een vision-benchmark — ondanks dat het model een vision-encoder heeft.

Twee asymmetrieën in die combinatie verdienen het om benoemd te worden. De eerste is HLE: RadixArk rapporteert 34,3 zonder hulpmiddelen, Google rapporteert 19,5 zonder hulpmiddelen en 26,5 met zoeken. Zelfs als je Gemma 4 31B zijn hulpmiddelondersteunde configuratie geeft, ligt het cijfer van DaisyRose 27B bijna acht punten hoger — maar de beoordelaars verschillen, aangezien RadixArk GPT-6 Luna gebruikte bij vijf runs per probleem, terwijl Google zijn beoordelingsopzet niet vermeldt. De tweede is vision: DaisyRose 27B wordt geleverd met een vision-encoder van 0,46B en publiceert helemaal geen vision-benchmark, dus de multimodale capaciteit ervan is niet publiekelijk gemeten. Gemma 4 31B publiceert MMMU Pro, MATH-Vision, OmniDocBench en MedXPertQA. Als je beeldbegrip nodig hebt, heeft een van deze modellen bewijs en het andere een encoder.

Geheugen, formaten en wat elke download kost

Beide modellen zijn 52 tot 63 GB bij volledige precisie, waardoor ze in dezelfde hardwareklasse vallen en de lijst met indelingen het nuttige deel van de vergelijking vormt.

• DaisyRose 27B — BF16 ongeveer 52 GB, FP8 ongeveer 29 GB, NVFP4 ongeveer 23 GB en alleen voor Blackwell, plus RadixArk/Qwen3.8-27B-DSpark als speculatieve-decodering-drafter voor SGLang. De referentieconfiguratie bestaat uit vier data-parallelle replica's over een node met vier GPU's bij tensor-parallelisme 1, een context van 262.144 tokens en een FP8-KV-cache. RadixArk vermeldt implementatie op één GPU op H200, B200, GB300, RTX PRO 6000, RTX 5090 en DGX Spark.

• Gemma 4 31B — bfloat16 in twee safetensors-shards van ongeveer 49,8 GB en 12,8 GB, samen ongeveer 62,5 GB. Een QAT Q4_0 GGUF van 17,7 GB plus een vision-projector van 1,2 GB, ongeveer 18,9 GB vóór de KV-cache, waardoor de dense top van de Gemma-lijn op één enkele consumentenkaart van 24 GB past. Een QAT w4a16 compressed-tensors-build van 23,3 GB voor vLLM, een niet-gekwantiseerd Q4_0-checkpoint met de QAT-gewichten zonder packing, en een multi-token-prediction-drafter van 0,94 GB.

De GGUF-lijn is het concrete verschil. G​oogle levert een 4-bit build van eigen makelij die op een kaart van 24 GB past; RadixArk levert drie precisies en verwacht dat je ze via SGLang serveert. Voor een team met een workstation en zonder servingstack is dat geen moeilijke keuze — de ene download draait, de andere vereist een deployment.

Eén detail dat pijn doet: de kaart van Gemma vereist dat een speculative-decoding-assistent overeenkomt met de precisie van het doelcheckpoint, dus de drafter van 0,94 GB hoort bij het QAT 31B-doel in plaats van bij de bfloat16-release. De drafter van RadixArk is vernoemd naar Qwen3.8-27B en hoort bij DaisyRose 27B's eigen FP8-build.

A generated two-column scoreboard titled 'DaisyRose 27B vs Gemma 4 31B — the scoreboard'. Left column DaisyRose 27B: parameters 27.8B dense; training RL only, 63,000 GPU-hours; context 262,144 tokens; GPQA Diamond 90.7; HLE no tools 34.3; formats BF16, FP8, NVFP4. Right column Gemma 4 31B: parameters 30.7B dense; training general pretrain plus post-train; context 256K tokens; GPQA Diamond 84.3; HLE no tools 19.5; formats BF16, QAT Q4_0 GGUF, w4a16. A footer reads 'Both vendor-reported; only GPQA Diamond is published on both cards.' The OrcaRouter logo sits in the bottom-right.

Kosten, en degene die een prijs heeft

Gemma 4 31B staat vandaag op OrcaRouter als google/gemma-4-31b-it voor $0,13 per miljoen inputtokens en $0,38 per miljoen output, met configureerbaar denken, native functieaanroepen en een context van 256K. Het achtervoegsel -it maakt deel uit van de string die een client meegeeft.

DaisyRose 27B heeft geen door de leverancier gehoste prijs. De site van RadixArk beschrijft training en serving voor andere labs en publiceert geen DaisyRose-endpoint; de modelkaart verwijst alleen naar self-hosting via SGLang, vLLM en Docker. Vermeldingen van derden noemen $0,15 per miljoen invoer en $1,88 per miljoen uitvoer, wat een openingsaanbod van één host is en geen leverancierstarief.

Zet die naast elkaar en de gehoste vergelijking pakt heel anders uit dan de benchmarktabel: Gemma 4 31B voor dertien cent per miljoen input tegenover vijftien van een externe host, maar achtendertig cent tegenover een dollar achtentachtig op output. Bij een generatie-intensieve workload is dat een vijfvoudig verschil in het voordeel van het grotere model, en dat komt door een structurele reden — Gemma 4 31B heeft een gevestigde gehoste tier waarop meerdere aanbieders concurreren, terwijl DaisyRose 27B één host en drie dagen geschiedenis heeft.

A screenshot of the OrcaRouter model catalogue page for google/gemma-4-31b-it showing the model listing, the 30.7B dense description, the 256K-token context and the per-million-token pricing.

Voor welke taak elk model is gebouwd

De eerlijke samenvatting is dat deze modellen niet om dezelfde aankoop concurreren, en de benchmarktabellen bewijzen dat doordat ze weigeren te overlappen.

Gemma 4 31B is het model dat je wilt als je breedte nodig hebt: een denkmodus die je kunt terugschroeven, functieaanroepen die werken met bestaande tool-schema's, meer dan 140 talen, een gepubliceerde vision-evaluatie, een gequantiseerde build die op een workstation draait, en een gehoste prijs van dertien cent per miljoen invoertokens. Het is de veilige keuze voor een algemeen product, en de kosten van een fout zijn een paar dollar aan API-uitgaven.

DaisyRose 27B is het model dat je wilt als je een terminalagent bouwt en het kunt hosten. De Terminal Bench 4.1-score is meer dan het dubbele van die van zijn eigen basismodel, zijn SWE Bench Pro v2 staat op 94,7 en zijn IFBench van 82,4 is de hoogste op de vergelijkingskaart van RadixArk. Al die cijfers zijn door de leverancier gerapporteerd, geen ervan is onafhankelijk gereproduceerd, en het model is drie dagen oud. Maar de vorm van de bewering is specifiek genoeg om te testen: draai je eigen agent-traces tegen Qwen3.8-27B — beschikbaar als qwen/qwen3.8-27b voor $0,33 per miljoen inputtokens en $2,40 per miljoen outputtokens, met dezelfde context van 262.144 tokens en vision-toren — en kijk of de faalmodus die RadixArk heeft weggetraind degene is die je daadwerkelijk tegenkomt.

Dat is ook de goedkoopste manier om tussen deze twee te kiezen. Gemma 4 31B en Qwen3.8-27B zitten achter één OrcaRouter-sleutel zonder tweede contract en zonder codewijziging, tegen 0% opslag op de lijstprijs van elke provider, zodat een prijswijziging aan beide kanten je bereikt op de dag dat die ingaat. Als Gemma 4 31B je agent-loop aankan, ben je klaar voor dertien cent. Zo niet, en faalt het basismodel op dezelfde plek, dan is een RL-post-train van achttien dagen op een H200 het volgende dat de moeite van het betalen waard is — en dan weet je wat je koopt om op te lossen.