
DaisyRose 27B vs Gemma 4 26B A4B: 27,8B Denso vs 3,8B Ativo
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 184 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 494 tok/s
- AlibabaNOVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 por 1M de tokens · 385 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 94 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 290 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 132 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 104 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 215 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
DaisyRose 27B e Gemma 4 26B A4B são modelos do mesmo porte com estruturas de custo completamente diferentes, e a linha de preço torna isso concreto mais rápido do que qualquer benchmark. Gemma 4 26B A4B — 25,2 bilhões de parâmetros, dos quais 3,8 bilhões são lidos a cada token — é servido no OrcaRouter a US$ 0,06 por milhão de tokens de entrada e US$ 0,33 por milhão de tokens de saída. DaisyRose 27B, pós-treino somente de aprendizado por reforço do Qwen3.8-27B feito pela RadixArk, publicado em 18 de novembro de 2026, tem 27,8 bilhões de parâmetros densos, com todos eles lidos a cada token, é distribuído como 52 GB de pesos BF16, não tem API hospedada pelo fornecedor e precisa de uma GPU de datacenter para sequer rodar. Um é um modelo que você aluga por centavos. O outro é um modelo que você implanta. Todo o resto nesta comparação decorre disso.
O panorama do benchmark é genuinamente interessante e genuinamente incompleto: os dois modelos compartilham exatamente duas linhas públicas, GPQA Diamond e Humanity's Last Exam, e em ambas DaisyRose 27B está à frente por uma margem muito maior que a diferença de parâmetros. Se essa margem sobrevive ao contato com um harness compartilhado é a pergunta que esta página não consegue responder, e diz isso.
O nome é uma especificação
O rótulo do Gemma 4 26B A4B carrega sua política de roteamento, e o próprio cartão do Google declara diretamente a interpretação: "o 'A' em 26B A4B significa 'parâmetros ativos', em contraste com o número total de parâmetros que o modelo contém."
• Total de parâmetros — 25,2B. • Ativos por token — 3,8B. • Distribuição de especialistas — 8 de 128 especialistas ativos, mais 1 especialista compartilhado, selecionados por token. O especialista compartilhado é sempre lido, e é por isso que a contagem de ativos não é simplesmente 8/128 do total. • Camadas — 30, com uma janela deslizante de 1.024 tokens.
DaisyRose 27B não tem essa estrutura para descrever. É um transformer denso: 27,8B de parâmetros, 0,46B deles um codificador de visão e 0,42B uma cabeça de predição de múltiplos tokens, sem roteador entre a entrada e a computação. Cada token paga por cada peso.
A consequência prática é o número que separa esses modelos mais do que qualquer benchmark. Um modelo esparso com 3,8B ativos roda a algo próximo da velocidade de um modelo de 4B enquanto carrega a memória de um de 25B — o card da Google diz isso explicitamente, descrevendo a variante MoE como rodando "quase tão rápido quanto um modelo de 4B parâmetros". Um modelo denso de 27,8B roda na velocidade de um de 27,8B, e ninguém publicou essa velocidade: o card da RadixArk não traz nenhum número de tokens por segundo para qualquer configuração de hardware.
O que o RL comprou, e o que não comprou
O treinamento do DaisyRose 27B é a parte desta comparação sem análogo no lado do Gemma. A RadixArk usou apenas aprendizado por reforço — nenhuma etapa de ajuste fino supervisionado, nenhuma destilação — sobre aproximadamente 1.200 tarefas de agente de horizonte longo curadas, criadas com o Eigent AI, com sessões chegando a até um milhão de tokens, durante dezoito dias em 144 H200s e cerca de 63.000 horas de GPU. O objetivo não era um aumento de capacidade geral, mas específico: tornar um modelo de 27B melhor no ciclo de ler uma tarefa, chamar uma ferramenta, ler o resultado, corrigir o erro.
Isso aparece nas linhas em que os dois modelos podem realmente ser comparados, e não aparece de forma uniforme.
• GPQA Diamond — DaisyRose 27B 90,7 contra 82,3 do Gemma 4 26B A4B. Ambos reportados pelo fornecedor: o número da RadixArk é de oito execuções em 198 perguntas com o template simple-evals e ordem das respostas reembaralhada; o da Google é um único número publicado no model card.
• Humanity's Last Exam, sem ferramentas — DaisyRose 27B 34,3 contra os 8,7 do Gemma 4 26B A4B. Esta é a maior diferença em qualquer uma das duas tabelas e a que mais merece desconfiança, porque as configurações diferem: a RadixArk fez cinco execuções por problema, com o GPT-6 Luna como avaliador e sem ferramentas; os 8,7 do {{1}}Google{{/1}} são o valor sem ferramentas, passando a 17,2 quando o modelo pode usar uma ferramenta de busca.
Duas linhas não são uma comparação, e nenhum dos fornecedores executou o harness do outro. O que a diferença no HLE sugere — e é uma sugestão, não uma medição — é que um pós-treinamento voltado para sessões agênticas longas transfere para perguntas difíceis de raciocínio de um modo que uma arquitetura esparsa pré-treinada para capacidade ampla não transfere. O que isso não mostra é que o efeito seja de 25 pontos, porque os harnesses são diferentes e um dos dois números vem de um modelo que recebeu ferramentas em sua melhor configuração.

As linhas que apenas um lado possui
Ambas as placas publicam benchmarks que a outra não publica, e a assimetria é, por si só, reveladora sobre o que cada fabricante considerou digno de comprovar.
O Gemma 4 26B A4B publica uma tabela completa de capacidades gerais: MMLU Pro 82,6, AIME 2026 sem ferramentas 88,3, LiveCodeBench v6 77,1, Codeforces ELO 1718, Tau2 com média de três 68,2, BigBench Extra Hard 64,8, MMMLU 86,3, MMMU Pro 73,8, MATH-Vision 82,4 e MRCR v2 com oito agulhas e contexto de 128K 44,1. Não há linha para Terminal Bench, SWE-bench nem IFBench na ficha.
A DaisyRose 27B publica, em vez disso, o conjunto agêntico e de seguimento de instruções: Terminal Bench 4.1 12,0 contra uma base de 5,6, Terminal Bench 2.1 75,5, DeepSWE v1.1 46,2, SWE Bench Pro v2 94,7 e IFBench 82,4. Não há linha para MMLU Pro, AIME ou Codeforces no card.
Lidos em conjunto, os dois tabelas descrevem produtos diferentes. O Google está publicando um modelo geral e comprovando-o em toda a suíte acadêmica padrão. A RadixArk está publicando um modelo de agente e comprovando-o em toda a suíte agêntica padrão. A sobreposição é de duas linhas entre cerca de vinte, e um comprador que escolhe entre eles está, na maior parte, escolhendo de qual suíte ele se importa — uma decisão muito mais simples do que as colunas de pontuação fazem parecer.
Onde cada um é executado
Esta é a seção que decide a comparação para a maioria dos leitores, porque as histórias de implantação não se cruzam em absoluto.
• Gemma 4 26B A4B — hospedado hoje a US$ 0,06 por milhão de tokens de entrada e US$ 0,33 por milhão de tokens de saída no OrcaRouter, ao lado de uma build hospedada na Obsidian da mesma arquitetura. Os pesos abertos são Apache 2.0, em bfloat16 (cerca de 51,6 GB em dois shards), um GGUF Q4_0 treinado com reconhecimento de quantização que o coloca em uma única placa de consumidor, uma build w4a16 compressed-tensors para vLLM e um drafter de previsão de múltiplos tokens para decodificação especulativa. O post da família do Google descreve os dois tamanhos maiores como cabendo "eficientemente em uma única GPU NVIDIA H100 de 80 GB".
• DaisyRose 27B — BF16 com cerca de 52 GB, FP8 com cerca de 29 GB, NVFP4 com cerca de 23 GB e exclusivo para Blackwell, além de um drafter de decodificação especulativa DSpark para o SGLang. A RadixArk lista implantação em GPU única no H200, B200, GB300, RTX PRO 6000, RTX 5090 e DGX Spark. Não existe preço de API hospedada; listagens de terceiros indicam US$ 0,15 por milhão de tokens de entrada e US$ 1,88 por milhão de saída, o que é a posição inicial de um host, e não uma tarifa do fornecedor.
Esses números situam a diferença de custo em ambiente hospedado em cerca de duas vezes e meia na entrada e quase seis vezes na saída, a favor do terceiro. Essa é a comparação honesta ao preço de tabela. É também a comparação que muda assim que a carga de trabalho é longa: um modelo esparso continua pagando 3,8 B de computação por token, enquanto um modelo denso paga 27,8 B, de modo que a diferença aumenta na latência e em segundos de hardware muito antes de aumentar em dólares por milhão de tokens.

Quanto vale o treinamento agêntico por dólar
A versão interessante desta comparação não é "qual pontua mais", mas "quanto custa por tarefa o ganho agêntico". O modelo da RadixArk existe porque seu modelo base, Qwen3.8-27B, pontua 5,6 no Terminal Bench 4.1 e 12,0 após o pós-treinamento. Se você está executando um agente de programação que executa comandos, essa é a diferença entre um modelo que majoritariamente não consegue e um que às vezes consegue, e dobrar um número pequeno vale dinheiro real para o comprador certo.
O Gemma 4 26B A4B não tem nenhum número do Terminal Bench, o que torna a alegação de valor impossível de medir a partir de dados públicos. O que ele tem é um preço que torna o experimento barato: a US$ 0,06 por milhão de tokens de entrada, você pode executar alguns milhares de trajetórias de agente pelo custo de uma hora de um H200 e descobrir se o modelo falha de um modo que importa para sua carga de trabalho. A arquitetura esparsa torna isso barato em dobro — o preço dos tokens é baixo e os tokens voltam rápido.
Essa é a forma da decisão real. O DaisyRose 27B é um especialista pós-treinado com uma alegação agêntica específica relatada pelo fornecedor e sem preço de hospedagem. O Gemma 4 26B A4B é um modelo geral com uma ampla tabela de capacidades publicada, um perfil de inferência rápido e um preço de tabela medido em centavos por milhão de tokens. Se sua tarefa for uso de ferramentas de horizonte longo e você puder hospedar, vale a pena avaliar o especialista por benchmark. Se sua tarefa for qualquer outra coisa, ou se você não puder hospedar, o modelo geral a US$ 0,06 vence no único eixo que importa.
Executando ambos a partir de uma tecla.
O Gemma 4 26B A4B está no OrcaRouter hoje em google/gemma-4-26b-a4b-it, servido a US$ 0,06 por milhão de tokens de entrada e US$ 0,33 por milhão de saída, com contexto de 262.144 tokens e entrada de texto, imagem e vídeo. O DaisyRose 27B não está no catálogo no momento em que escrevo, e esta página não sugerirá o contrário — é um lançamento auto-hospedado via SGLang, vLLM e Docker.
A base dele, porém, é. O Qwen3.8-27B é servido como qwen/qwen3.8-27b a US$ 0,33 por milhão de tokens de entrada e US$ 2,40 por milhão de saída, com o mesmo contexto de 262.144 tokens e a mesma torre de visão que o post-train mantém. Isso dá ao leitor duas coisas úteis: uma linha de base da mesma família para rodar com seus próprios prompts antes de decidir se vale a pena implantar o post-train de RL, e uma rota de fallback. Se uma instância auto-hospedada do DaisyRose atingir um timeout de sandbox, uma regra de roteamento pode encaminhar a chamada para o modelo base em vez de descartá-la, e, como repassamos os preços de lista dos provedores com 0% de margem, uma mudança de preço do lado do fornecedor em qualquer das pontas chega à mesma chave no dia em que entra em vigor.
O próximo passo mais barato não é um benchmark: é executar o Gemma 4 26B A4B e o Qwen3.8-27B nos seus próprios traces de agente, {{1}}nessa ordem — o modelo barato primeiro, para ver onde suas tarefas realmente quebram, depois a baseline mais cara para ver se a quebra é culpa do modelo base{{/1}}. Só depois disso um pós-treinamento de RL de dezoito dias tem algo contra o que provar.
Comparados neste artigo1
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
