LBS-27B vs Gemma 4 26B A4B: wat een lege repository moet verslaan

Als je workload een afbeelding, een gescande pagina of een screenshot bevat, is de vergelijking tussen LBS-27B en Gemma 4 26B A4B al voorbij. Gemma 4 26B A4B accepteert afbeeldingen en videoframes en retourneert tekst; LBS-27B bestaat nog niet in enige uitvoerbare vorm, dus het accepteert niets. Al het andere in deze confrontatie is een vraag over wat de lege repository van inclusionAI zou kunnen worden, en de eerlijke manier om die te beantwoorden is de lat te beschrijven die Gemma al heeft gelegd in plaats van te doen alsof de twee modellen tegen elkaar zijn gemeten.

Die asymmetrie is het hele verhaal. Een van deze modellen staat sinds maart 2026 op Hugging Face, heeft 8,1 miljoen downloads, een volledige evaluatietabel en een gepubliceerde prijs. Het andere is aangemaakt op 05:36 UTC op 26 oktober 2026 en bevat een licentieheader en niets anders. Een zij-aan-zijvergelijking die hen als gelijken behandelt, zou fictie zijn. Een zij-aan-zijvergelijking die je vertelt wat LBS-27B zou moeten verslaan, is nuttig, en dat is wat hieronder volgt.

De bekende kant van het grootboek

Gemma 4 26B A4B is een mixture-of-expertsmodel met 25,2 miljard totale parameters en 3,8 miljard actief per token, afkomstig uit 128 experts, met acht actieve plus één gedeelde. Het heeft 30 lagen, een vocabulaire van 262.144 tokens en een contextvenster van 256K. De attention-stack wisselt vijf sliding-windowlagen van 1.024 tokens af met één full-attentionlaag; zo houdt Google het lange venster betaalbaar.

Het is op een specifieke, beperkte manier multimodaal. Er is een vision-encoder van ongeveer 550 miljoen parameters, invoer van afbeeldingen en videoframes, en tekstuitvoer. Audio wordt niet ondersteund op dit model — dat zit op de kleinere E2B-, E4B- en 12B-varianten. De kaart claimt ondersteuning voor meer dan 140 talen, waarvan er ongeveer 35 direct uit de doos werken. De licentie is Apache-2.0 en de trainingscutoff is januari 2025.

De benchmarktabel op de modelkaart van Google — door de leverancier gerapporteerd, niet onafhankelijk gereproduceerd — luidt als volgt: MMLU Pro 82,6, GPQA Diamond 82,3, AIME 2026 zonder hulpmiddelen 88,3, LiveCodeBench v6 77,1, Codeforces ELO 1718, tau2 gemiddeld over drie suites 68,2, MMMU Pro 73,8, MATH-Vision 82,4. De zwakke rijen zijn even informatief als de sterke: Humanity's Last Exam scoort 8,7 zonder hulpmiddelen en 17,2 met zoeken, en MRCR v2 bij 128K met acht needles scoort gemiddeld 44,1. Een contextvenster van 256K betekent niet dat het model over de hele 256K goed informatie kan ophalen.

De onbekende kant, ronduit gesteld

LBS-27B is een repository, een licentie en een naam. De repository is op 26 oktober 2026 aangemaakt en bevat twee bestanden: een standaard .gitattributes en een README van 28 bytes met als volledige inhoud de regel license: apache-2.0. Er is geen config.json, geen weight shard, geen tokenizer en geen modelkaart. Er zijn geen geregistreerde downloads en nul likes. We konden nergens een aankondiging, paper of socialmediapost vinden.

Wat dat voor deze vergelijking betekent, is simpel: elke rij behalve de licentie is leeg. De "27B" is een tekenreeks in de repositorynaam, geen geverifieerd parameteraantal. De architectuur kan dense of sparse zijn. De contextlengte kan van alles zijn. Er kan wel of geen vision-encoder zijn. Totdat er een configuratiebestand verschijnt, heeft geen van die vragen een antwoord, en elk artikel dat ze invult, is aan het verzinnen.

Waar het duel echt beslist zou worden

Als LBS-27B als een model uit de 27B-klasse op de markt komt, zijn dit de dimensies die het van Gemma 4 26B A4B zullen onderscheiden. Elke regel bevat beide kanten, waarbij het onbekende als onbekend wordt gemarkeerd in plaats van leeg te blijven.

• Totaal- en actieve parameters — Gemma 4 26B A4B heeft 25,2B totaal en 3,8B actief, volgens opgave van de leverancier; LBS-27B is een ongeverifieerde 27B zonder opgave van het aantal actieve parameters.

• Architectuur — Gemma gebruikt 128 experts met top-8-routing; LBS is onbekend, en dense versus sparse is de meest bepalende onbekende voor de serveerkosten.

• Contextvenster — 262.144 tokens voor Gemma; onbekend voor LBS.

• Modaliteit — tekst-, afbeeldings- en videoframe-invoer met tekstuitvoer voor Gemma; onbekend voor LBS, en alleen tekst is het basisscenario totdat er een vision tower verschijnt.

• Licentie — Apache-2.0 voor Gemma; Apache-2.0 aangekondigd voor LBS, hoewel een licentie kan wijzigen voordat de gewichten worden uitgebracht.

• Prijs — $0,06 per miljoen invoertokens en $0,33 per miljoen uitvoertokens voor Gemma op OrcaRouter, bij een context van 262.144 tokens; er bestaat geen prijs voor LBS omdat er niets te serveren valt.

• Gepubliceerde evaluaties — een volledige leverancierstabel voor Gemma; geen voor LBS.

Het getal dat de economische haalbaarheid bepaalt: 3,8 miljard

De {{1}}A4B{{/1}} in Gemma's naam is het belangrijkste onderdeel ervan. Met ongeveer 3,8 miljard actieve parameters per token verricht het model het rekenwerk van een klein model, terwijl het de kennis van een {{2}}25B{{/2}}-model heeft. Daarom kan het voor zes cent per miljoen invoertokens worden geprijsd en toch commercieel worden aangeboden, en daarom draait het model op hardware waarmee een dense {{3}}25B{{/3}}-model moeite zou hebben.

Een dense 27B-model is een ander product. Het leest voor elk token alle parameters, dus de decodekosten schalen met het volledige aantal gewichten. Als LBS-27B dense blijkt te zijn, zal het bij gelijke kwaliteit niet met Gemma 4 26B A4B concurreren op prijs — het zal concurreren op kwaliteit tegen een hogere prijs, wat in 2026 een veel moeilijker argument is. Als het sparse blijkt te zijn met een klein aantal actieve parameters, wordt de vergelijking echt en interessant.

Daarom is het eerste geloofwaardige artefact om in de gaten te houden niet een benchmarkscore. Het is het aantal experts in het configuratiebestand. Alles aan de commerciële vorm van LBS-27B volgt uit dat ene veld.

Vision is een workloadklasse, geen functie

Het is verleidelijk om Gemma's beeldinvoer als een afvinkvakje te behandelen. In de praktijk verandert het welke taken het model überhaupt kan uitvoeren. Documentextractie, het triëren van screenshots, grafieken lezen, UI-regressiechecks, factuurverwerking en OCR-gerelateerde pipelines zijn geen teksttaken met een plaatje eraan vast; het zijn taken waarbij het beeld de invoer is. Een model dat alleen tekst aankan, komt er bij geen enkele benchmarkscore binnen.

Gemma's visiecijfers zijn respectabel maar niet dominant: MMMU Pro 73,8, MATH-Vision 82,4 en een gemiddelde editdistance van 0,149 op OmniDocBench 1.5, allemaal uit de modelkaart van Google. Het budget voor visuele tokens is selecteerbaar op 70, 140, 280, 560 of 1.120 tokens per afbeelding, waardoor je resolutie kunt afwegen tegen kosten per verzoek — een praktisch detail dat in productie meer uitmaakt dan een punt op een leaderboard.

Voor LBS-27B is de vraag binair. Als inclusionAI een vision tower levert, komt het model in dezelfde workloadklasse terecht en wordt de vergelijking een strijd op kwaliteit en prijs. Zo niet, dan kan LBS-27B alleen de teksthelft van Gemma's taak overnemen, en wordt de beslissing een routeringsvraag in plaats van een vervangingsvraag.

Wat LBS-27B zou moeten halen

Stel, voor het argument, dat de gewichten arriveren en dat het model een competente 27B is. Om het de moeite waard te maken om over te stappen van Gemma 4 26B A4B voor teksttaken, zou het drie dingen tegelijk moeten doen.

Ten eerste: versla de door de leverancier gerapporteerde scores van Gemma met een marge die bestand is tegen verschillen tussen harnessen. MMLU Pro 82,6, GPQA Diamond 82,3 en AIME 2026 met 88,3 zijn sterke cijfers voor een model met 3,8B actieve parameters, en een voorsprong van twee punten op een andere harnessversie is geen voorsprong. Ten tweede: doe dit tegen een vergelijkbare blended prijs. Gemma's outputprijs van $0,33 per miljoen is de bindende beperking; een dense 27B-model tegen drie tot vijf keer dat outputtarief heeft een veel grotere kwaliteitskloof nodig om zichzelf te rechtvaardigen. Ten derde: versla het op iets waarin Gemma zichtbaar zwak is — retrieval over lange context, waar Gemma's 44,1 op MRCR v2 bij 128K nog echte ruimte laat, of toolgebruik, waar het tau2-gemiddelde van 68,2 goed maar niet uitzonderlijk is.

De meest plausibele manier waarop een nieuwe 27B kan winnen, is niet om Gemma overal te verslaan. Het is om duidelijk beter te zijn in één kostbare taak — analyse van lange documenten, agentische toolketens of een niet-Engelse taal waar Gemma's dekking dun is — en elders slechts concurrerend te zijn.

Prijs, beschikbaarheid en het praktische antwoord

Gemma 4 26B A4B is vandaag beschikbaar op OrcaRouter als google/gemma-4-26b-a4b-it, met een context van 262.144 tokens en een prijs van $0,06 per miljoen invoertokens en $0,33 per miljoen uitvoertokens. Omdat OrcaRouter de lijstprijs van de provider doorgeeft tegen 0% opslag, verschijnt elke prijswijziging die Google of zijn hostingpartners doorvoeren dezelfde dag bij ons, in plaats van pas bij de volgende factureringscyclus. Er staat ook een tweede vermelding van Gemma 4 26B A4B op het platform tegen een hoger tarief, wat goed is om te weten voordat je aanneemt dat de goedkoopste regel de enige is.

LBS-27B staat niet op OrcaRouter, en we zullen niet doen alsof dat wel zo is. Er zijn geen gewichten om te serveren. Wanneer en als dat verandert, is de verstandige manier om het te evalueren niet een volledige migratie, maar een splitsing: leid een deel van het verkeer naar het nieuwe model via dezelfde API-sleutel, houd Gemma als fallback en vergelijk op je eigen inputs. Automatische failover maakt dat veilig op een manier die een directe integratie niet biedt, omdat een slecht of niet-beschikbaar model terugvalt op een bekend model in plaats van het verzoek te laten mislukken.

Wie moet handelen, en wie moet wachten?

Als je deze week een goedkoop multimodaal model met een lange context en een permissieve licentie nodig hebt, is Gemma 4 26B A4B het antwoord en doet LBS-27B niet mee. Dat is geen kritiek op inclusionAI; het is wat een lege repository betekent.

Als je de 27B-klasse volgt als tekst-only werkpaard en je kunt het je veroorloven om te wachten, is het configuratiebestand het punt om in de gaten te houden. Een sparse-architectuur met een klein aantal actieve parameters zou van LBS-27B een echte prijsconcurrent voor Gemma maken. Een dense-architectuur zou er een kwaliteitszet tegen hogere kosten van maken. En een vision tower in de repository zou de vergelijking van de ene op de andere dag veranderen van "tekstalternatief" in "directe rivaal".

Totdat een van die dingen verschijnt, is het nuttigste dat deze pagina kan zeggen het minst opwindende: Gemma heeft een gemeten specificatieblad en een actuele prijs, LBS heeft een licentieregel, en de kloof tussen hen is geen kloof in kwaliteit maar een kloof in bewijs.