Wygenerowana karta tytułowa z napisem „DaisyRose 27B vs Gemma 4 26B A4B”, z podtytułem „27.8B odczytywane przy każdym tokenie, 3.8B odczytywane na token”, nad trzema zaokrąglonymi kartami z napisami „DaisyRose: 27.8B gęsty, post-trening wyłącznie RL”, „Gemma 4 26B A4B: 25.2B łącznie, 3.8B aktywnych” oraz „Cena hostowana: $0.06 za wejście, $0.33 za wyjście za milion”, ze stopką „Dane DaisyRose według RadixArk, listopad 2026; dane Gemma według Google DeepMind”. Logo OrcaRouter znajduje się w prawym dolnym rogu.
Guides & Insights

DaisyRose 27B kontra Gemma 4 26B A4B: 27,8B w wariancie Dense kontra 3,8B aktywnych

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

DaisyRose 27B i Gemma 4 26B A4B to modele tej samej wielkości o całkowicie różnych strukturach kosztów, a cena unaocznia to szybciej niż jakikolwiek benchmark. Gemma 4 26B A4B — 25,2 mld parametrów, z których 3,8 mld odczytuje się dla każdego tokenu — jest udostępniana w OrcaRouter za 0,06 USD za milion tokenów wejściowych i 0,33 USD za milion tokenów wyjściowych. DaisyRose 27B, czyli opublikowane 18 listopada 2026 r. przez RadixArk douczenie modelu Qwen3.8-27B wyłącznie metodą uczenia ze wzmocnieniem, ma 27,8 mld gęstych parametrów, z których każdy jest odczytywany przy każdym tokenie, jest dostarczany w postaci 52 GB wag BF16, nie ma API hostowanego przez dostawcę i w ogóle wymaga GPU w centrum danych do uruchomienia. Jeden to model, który wynajmujesz za centy. Drugi to model, który wdrażasz. Wszystko inne w tym porównaniu wynika z tego.

Obraz benchmarków jest naprawdę interesujący i naprawdę niekompletny: oba modele dzielą dokładnie dwa publiczne wiersze, GPQA Diamond i Humanity's Last Exam, a w obu z nich DaisyRose 27B prowadzi z przewagą znacznie większą niż różnica parametrów. Czy ta przewaga przetrwa zetknięcie ze wspólnym środowiskiem testowym, to pytanie, na które ta strona nie potrafi odpowiedzieć — i sama to przyznaje.

Nazwa jest specyfikacją

Etykieta modelu Gemma 4 26B A4B zawiera jego politykę routingu, a własna karta Google podaje tę interpretację wprost: „A” w 26B A4B oznacza „aktywne parametry” w przeciwieństwie do całkowitej liczby parametrów, które zawiera model.

• Łączna liczba parametrów — 25,2 mld. • Aktywne na token — 3,8 mld. • Układ ekspertów — 8 z 128 ekspertów aktywnych plus 1 wspólny ekspert, wybierani dla każdego tokenu. Wspólny ekspert jest zawsze odczytywany, dlatego liczba aktywnych parametrów nie stanowi po prostu 8/128 całości. • Warstwy — 30, z oknem przesuwnym o rozmiarze 1 024 tokenów.

DaisyRose 27B nie ma takiej struktury do opisania. To gęsty transformer: 27,8 mld parametrów, z czego 0,46 mld to enkoder wizyjny, a 0,42 mld to głowica predykcji wielu tokenów, bez routera między wejściem a obliczeniami. Każdy token ponosi koszt każdej wagi.

Praktyczna konsekwencja to ta jedna liczba, która odróżnia te modele bardziej niż jakikolwiek benchmark. Rzadki model z 3,8B aktywnych parametrów działa z prędkością zbliżoną do modelu 4B, jednocześnie mając pamięć modelu 25B — karta G​oogle'a mówi o tym wprost, opisując wariant MoE jako działający „prawie tak szybko jak model z 4B parametrami”. Gęsty model 27,8B działa z prędkością modelu 27,8B i nikt tej prędkości nie opublikował: karta RadixArk nie zawiera żadnej liczby tokenów na sekundę dla żadnej konfiguracji sprzętowej.

Co RL kupiło, a czego nie kupiło

Trening DaisyRose 27B to ta część porównania, która nie ma odpowiednika po stronie Gemmy. RadixArk zastosował wyłącznie uczenie ze wzmocnieniem — bez etapu nadzorowanego dostrajania, bez destylacji — na około 1200 wyselekcjonowanych długohoryzontowych zadaniach agentowych zbudowanych za pomocą Eigent AI, przy sesjach sięgających miliona tokenów, przez osiemnaście dni na 144 H200 i około 63 000 godzin GPU. Celem nie był ogólny wzrost możliwości, lecz konkretny: uczynić model 27B lepszym w pętli odczytania zadania, wywołania narzędzia, odczytania wyniku i poprawienia błędu.

To pojawia się w wierszach, w których można faktycznie porównać oba modele, i nie pojawia się to jednolicie.

• GPQA Diamond — DaisyRose 27B 90,7 wobec 82,3 modelu Gemma 4 26B A4B. Oba wyniki podane przez dostawców: wynik RadixArk pochodzi z ośmiu uruchomień na 198 pytaniach z szablonem simple-evals i przetasowaną kolejnością odpowiedzi; wynik Google'a to pojedyncza opublikowana liczba na karcie modelu.

• Humanity's Last Exam, bez narzędzi — DaisyRose 27B 34,3 wobec 8,7 modelu Gemma 4 26B A4B. To największa rozbieżność w obu tabelach i ta, do której należy podchodzić z największą nieufnością, ponieważ konfiguracje się różnią: RadixArk przeprowadził pięć przebiegów dla każdego problemu z GPT-6 Luna jako oceniającym i bez narzędzi; wynik Google'a 8,7 to wartość bez narzędzi, a 17,2 — gdy modelowi wolno korzystać z narzędzia wyszukiwania.

Dwa wiersze to nie porównanie, a żaden z dostawców nie uruchomił środowiska testowego drugiego. To, co sugeruje luka HLE — a jest to sugestia, nie pomiar — to że dostrajanie po treningu ukierunkowane na długie sesje agentowe przekłada się na trudne pytania wymagające rozumowania w sposób, w jaki nie robi tego rzadka architektura wstępnie trenowana pod kątem szerokich możliwości. Nie pokazuje natomiast, że efekt wynosi 25 punktów, ponieważ środowiska testowe są różne, a jedna z tych dwóch liczb pochodzi od modelu, któremu w jego lepszej konfiguracji udostępniono narzędzia.

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.

Wiersze, które ma tylko jedna strona

Obie karty publikują benchmarki, których nie publikuje druga, a sama asymetria wiele mówi o tym, co każdy z producentów uważał za warte udowodnienia.

Gemma 4 26B A4B publikuje pełną tabelę ogólnych możliwości: MMLU Pro 82,6, AIME 2026 bez narzędzi 88,3, LiveCodeBench v6 77,1, Codeforces ELO 1718, Tau2 (średnia z trzech) 68,2, BigBench Extra Hard 64,8, MMMLU 86,3, MMMU Pro 73,8, MATH-Vision 82,4 oraz MRCR v2 przy ośmiu igłach i kontekście 128K 44,1. Na karcie nie ma wiersza Terminal Bench, SWE-bench ani IFBench.

DaisyRose 27B publikuje zamiast tego zestaw wyników dla zadań agentowych i przestrzegania instrukcji: Terminal Bench 4.1 12.0 wobec wyniku bazowego 5.6, Terminal Bench 2.1 75.5, DeepSWE v1.1 46.2, SWE Bench Pro v2 94.7 i IFBench 82.4. Na karcie nie ma wiersza MMLU Pro, AIME ani Codeforces.

Czytane razem, obie tabele opisują różne produkty. G​oogle publikuje model ogólny i potwierdza jego jakość w standardowym zestawie testów akademickich. RadixArk publikuje model agenta i potwierdza jego jakość w standardowym zestawie testów agentowych. Część wspólna to dwa wiersze z około dwudziestu, a kupujący wybierający między nimi wybiera głównie to, na którym zestawie testów mu zależy — znacznie prostsza decyzja, niż sugerują kolumny z wynikami.

Gdzie działa każdy z nich

To jest ta sekcja, która decyduje o wyniku porównania dla większości czytelników, ponieważ historie wdrożeń w ogóle się ze sobą nie pokrywają.

• Gemma 4 26B A4B — udostępniany dziś w OrcaRouter w cenie 0,06 USD za milion tokenów wejściowych i 0,33 USD za milion tokenów wyjściowych, obok hostowanej przez Obsidian kompilacji tej samej architektury. Otwarte wagi są na licencji Apache 2.0, w formacie bfloat16 (około 51,6 GB w dwóch shardach), Q4_0 GGUF trenowany z uwzględnieniem kwantyzacji, który mieści go na jednej konsumenckiej karcie, kompilacja w4a16 compressed-tensors dla vLLM oraz drafter wielotokenowego przewidywania do dekodowania spekulacyjnego. W poście Google na temat rodziny modeli dwa większe rozmiary opisano jako mieszczące się „efektywnie na jednej karcie GPU NVIDIA H100 o pojemności 80 GB”.

• {{1}}DaisyRose 27B — BF16 przy około 52 GB, FP8 przy około 29 GB, NVFP4 przy około 23 GB i wyłącznie dla Blackwell, plus drafter dekodowania spekulacyjnego DSpark dla SGLang.{{/1}} RadixArk wymienia wdrożenie na pojedynczym GPU na H200, B200, GB300, RTX PRO 6000, RTX 5090 i DGX Spark. Nie istnieje cena hostowanego API; oferty firm trzecich podają 0,15 USD za milion tokenów wejściowych i 1,88 USD za milion tokenów wyjściowych, co stanowi wstępną pozycję cenową jednego hosta, a nie stawkę dostawcy.

Te liczby plasują różnicę w kosztach hostingu na około dwa i pół raza na wejściu i prawie sześć razy na wyjściu, na korzyść strony trzeciej. To uczciwe porównanie według ceny katalogowej. To także porównanie, które zmienia się, gdy tylko obciążenie staje się długotrwałe: model rzadki wciąż płaci 3,8 mld obliczeń na token, podczas gdy model gęsty płaci 27,8 mld, więc różnica rośnie w opóźnieniu i w sekundach pracy sprzętu znacznie wcześniej, niż rośnie w dolarach za milion tokenów.

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.

Ile warte jest szkolenie agentowe w przeliczeniu na dolara

Ciekawa wersja tego porównania to nie „który wypada lepiej”, lecz „ile kosztuje na zadanie przyrost wynikający z działania agentowego”. Model RadixArk istnieje, ponieważ jego model bazowy, Qwen3.8-27B, uzyskuje 5.6 w Terminal Bench 4.1 i 12.0 po treningu dodatkowym. Jeśli uruchamiasz agenta kodującego, który wykonuje polecenia, to różnica między modelem, który przeważnie nie potrafi, a takim, który czasem potrafi, a podwojenie niewielkiej liczby jest warte realnych pieniędzy dla właściwego nabywcy.

Gemma 4 26B A4B nie ma w ogóle wyniku Terminal Bench, co sprawia, że deklarowanej wartości nie da się zmierzyć na podstawie danych publicznych. Ma natomiast cenę, która czyni eksperyment tanim: przy $0,06 za milion tokenów wejściowych można przeprowadzić kilka tysięcy trajektorii agentowych za koszt godziny pracy H200 i przekonać się, czy model zawodzi w sposób istotny dla twojego obciążenia. Rzadka architektura czyni to tanim podwójnie — cena tokenów jest niska, a tokeny wracają szybko.

DaisyRose 27B to specjalistyczny model po dodatkowym treningu z konkretnym, deklarowanym przez dostawcę twierdzeniem o zdolnościach agentowych i bez ceny za hostowanie. Gemma 4 26B A4B to model ogólnego przeznaczenia z obszerną opublikowaną tabelą możliwości, szybkim profilem wnioskowania i ceną katalogową wyrażoną w centach za milion tokenów. Jeśli Twoim zadaniem jest długofalowe korzystanie z narzędzi i możesz hostować model, specjalista jest wart przeprowadzenia testów porównawczych. Jeśli Twoje zadanie jest inne albo nie możesz hostować, model ogólnego przeznaczenia za $0.06 wygrywa na jedynej osi, która ma znaczenie.

Uruchamianie obu z jednego klucza.

Gemma 4 26B A4B jest dziś dostępny w OrcaRouter pod adresem google/gemma-4-26b-a4b-it, w cenie 0,06 USD za milion tokenów wejściowych i 0,33 USD za milion tokenów wyjściowych, z kontekstem 262 144 tokenów oraz obsługą danych wejściowych tekstowych, obrazowych i wideo. DaisyRose 27B nie znajduje się w katalogu w chwili pisania tego tekstu i ta strona nie będzie twierdzić inaczej — jest to wydanie do samodzielnego hostowania za pośrednictwem SGLang, vLLM i Docker.

Jednak jego model bazowy jest dostępny. Qwen3.8-27B jest udostępniany jako qwen/qwen3.8-27b za 0,33 USD za milion tokenów wejściowych i 2,40 USD za milion tokenów wyjściowych, z tym samym kontekstem 262,144 tokenów i tą samą wieżą wizyjną, którą zachowuje post-train. Daje to czytelnikowi dwie przydatne rzeczy: punkt odniesienia z tej samej rodziny do uruchomienia na własnych promptach przed podjęciem decyzji, czy warto wdrożyć post-train RL, oraz trasę awaryjną. Jeśli hostowana samodzielnie instancja DaisyRose napotka przekroczenie limitu czasu piaskownicy, reguła routingu może przekazać wywołanie do modelu bazowego zamiast je odrzucać, a ponieważ przekazujemy ceny katalogowe dostawców bez marży (0%), zmiana ceny po stronie dostawcy na którymkolwiek końcu trafia do tego samego klucza w dniu, w którym zostanie wprowadzona.

Najtańszym kolejnym krokiem nie jest benchmark: jest uruchomienie Gemma 4 26B A4B i Qwen3.8-27B na własnych śladach agenta, w tej kolejności — najpierw tani model, aby zobaczyć, gdzie Twoje zadania faktycznie się psują, potem droższy baseline, aby zobaczyć, czy awaria jest winą modelu bazowego. Dopiero po tym osiemnastodniowy RL post-train ma względem czego cokolwiek udowodnić.

Porównane w tym artykule1

Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie