Um cartão de título gerado com o texto 'DaisyRose 27B vs Gemma 4 31B', com o subtítulo 'Dois modelos densos, duas funções diferentes', acima de três cartões arredondados com o texto 'DaisyRose: 27,8B denso, pós-treino apenas com RL', 'Gemma 4 31B: 30,7B denso, capacidade geral' e 'GPQA Diamond: 90,7 versus 84,3', com um rodapé com o texto 'Números da DaisyRose conforme a RadixArk, novembro de 2026; números do Gemma 4 31B conforme o Google DeepMind.' O logotipo da OrcaRouter fica no canto inferior direito.
Guides & Insights

DaisyRose 27B vs Gemma 4 31B: Dois Modelos Densos, Duas Funções Diferentes

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

O DaisyRose 27B e o Gemma 4 31B são o par mais próximo nesta família de comparações: ambos densos, ambos entre 27 e 31 bilhões de parâmetros, ambos multimodais com contexto de 256K tokens, ambos Apache 2.0, ambos trazendo um modelo de rascunho para decodificação especulativa junto com os pesos. Eles também estão, pelas evidências que seus fornecedores escolheram publicar, voltados a compradores diferentes. O Gemma 4 31B é o generalista do Google DeepMind — um modelo denso de 30,7B com modo de pensamento configurável, chamada nativa de funções, mais de 140 idiomas e uma tabela de capacidades com quatorze linhas que abrange desde o AIME até a análise de documentos. O DaisyRose 27B é o especialista da RadixArk, publicado em 18 de novembro de 2026, pós-treinado apenas com aprendizado por reforço em tarefas de agente de horizonte longo, e comprovado em uma tabela agêntica de cinco linhas. Os modelos são quase idênticos em forma; a prova que cada fornecedor oferece é quase disjunta.

Apenas um benchmark em qualquer uma das duas tabelas carrega ambos os nomes: GPQA Diamond, no qual o DaisyRose 27B reporta 90,7 e o Gemma 4 31B reporta 84,3. Seis vírgula cinco pontos em um exame de ciências de nível de pós-graduação de um modelo com 2,9 bilhões de parâmetros a menos é a manchete que esta página tem, e o restante dela trata de por que essa manchete é mais frágil do que parece.

Duas arquiteturas que se parecem

Se tirarmos a marca, as fichas técnicas se sobrepõem mais do que qualquer outro confronto desta série.

• Parâmetros — DaisyRose 27B, 27,8B denso, dos quais 0,46B correspondem a um codificador de visão e 0,42B a uma cabeça de predição multi-token, contra Gemma 4 31B, com 30,7B denso e um codificador de visão de aproximadamente 550M de parâmetros. Não há roteamento de especialistas em nenhum dos lados, portanto a contagem de parâmetros ativos é igual ao total em ambos.

• Contexto — 262.144 tokens para DaisyRose 27B; 256K para Gemma 4 31B. Na prática, o mesmo teto.

• Modalidades — texto e imagem como entrada, texto como saída, em ambos. Áudio não está disponível em nenhum dos tamanhos; no caso do Gemma, ele se limita aos membros E2B, E4B e 12B da família.

• Licença — Apache 2.0 em ambos, declarada em ambos os model cards.

• Técnica de contexto longo — o Gemma 4 31B chega lá com 60 camadas, uma janela deslizante local de 1.024 tokens intercalada com atenção global completa, chaves e valores unificados nas camadas globais e RoPE proporcional. O DaisyRose 27B herda intacta a arquitetura do Qwen3.8-27B, que é a mesma ideia de atenção híbrida alcançada a partir de uma linhagem de design diferente.

Os dois pontos em que eles realmente diferem são os que decidem para que serve o modelo. O Gemma 4 31B vem com um modo de pensamento configurável, chamada nativa de funções e suporte explícito à função de sistema. O DaisyRose 27B vem com um template de chat idêntico ao do seu modelo base e um treinamento que gastou todo o seu orçamento em comportamento de terminal e ferramentas, em vez de abrangência.

A única linha que eles compartilham

GPQA Diamond, 198 questões científicas de nível de pós-graduação, é o único benchmark que ambos os cartões publicam, e as configurações por trás dos dois números não são a mesma medição.

O 90,7 do DaisyRose 27B vem de oito execuções em 198 perguntas usando o template simple-evals, com a ordem das respostas reembaralhada a cada vez, reportado como o melhor entre suas execuções em BF16 e FP8. O 84,3 do Gemma 4 31B é um único número no model card do Google, sem contagem de execuções declarada e sem harness declarado na própria tabela.

Portanto, a lacuna é real no sentido de que ambos os fornecedores publicaram um número sob o mesmo nome de benchmark, e é frágil no sentido de que um lado tem oito execuções e um protocolo de reembaralhamento, enquanto a metodologia do outro é uma nota de rodapé. Seis pontos e meio equivalem a aproximadamente trinta e três questões de 198. Isso é maior que o ruído de amostragem em um conjunto de 198 questões, mas uma diferença de harness desse tamanho não é inédita, e nenhum dos fornecedores executou a avaliação do outro.

O que torna a linha mais interessante do que uma única pontuação é onde ela se situa em relação à base de cada modelo. O DaisyRose 27B melhora o GPQA Diamond de 89,2 para 90,7 em relação ao Qwen3.8-27B — um ganho de 1,5 ponto após dezoito dias de aprendizado por reforço. O Gemma 4 31B pontua 84,3, o que é 2 pontos acima dos 82,3 de seu próprio irmão 26B A4B. Neste benchmark, ambos os modelos estão próximos de onde o pré-treinamento os colocou, e o pós-treinamento não moveu muito nenhum dos dois. Se você está escolhendo entre eles em ciência de nível de pós-graduação, a diferença de seis pontos é principalmente uma diferença de modelo base, e não de receita de treinamento.

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.

As tabelas que apenas um lado preencheu

Aqui a comparação deixa de ser uma comparação e se torna uma escolha de evidências. O G​oogle publicou uma tabela de capacidades gerais e a RadixArk publicou uma agêntica, e nenhuma se sobrepõe à outra.

A ficha técnica do Gemma 4 31B traz MMLU Pro 85.2, AIME 2026 sem ferramentas 89.2, LiveCodeBench v6 80.0, Codeforces ELO 2150, Tau2 76.9, HLE sem ferramentas 19.5 e com busca 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 em 0.131 e MRCR v2 com oito agulhas e contexto de 128K 66.4. Não há linha para Terminal Bench, nem linha para SWE-bench e nem linha para IFBench.

A ficha do DaisyRose 27B traz Terminal Bench 4.1 em 12,0 contra uma base de 5,6, Terminal Bench 2.1 em 75,5, DeepSWE v1.1 em 46,2, SWE Bench Pro v2 em 94,7 e IFBench em 82,4, além de HLE somente texto em 34,3 e GPQA Diamond em 90,7. Não há MMLU Pro, nem AIME, nem Codeforces e nenhuma linha de benchmark de visão — apesar de o modelo trazer um codificador de visão.

Duas assimetrias nesse emparelhamento merecem ser nomeadas. A primeira é o HLE: a RadixArk reporta 34,3 sem ferramentas, a Google reporta 19,5 sem ferramentas e 26,5 com busca. Mesmo concedendo ao Gemma 4 31B sua configuração assistida por ferramentas, o número do DaisyRose 27B é quase oito pontos maior — mas os avaliadores diferem, já que a RadixArk usou GPT-6 Luna em cinco execuções por problema, enquanto a Google não declara sua configuração de avaliação. A segunda é a visão: o DaisyRose 27B vem com um codificador de visão de 0,46B e não publica nenhum benchmark de visão, então sua capacidade multimodal não é medida publicamente. O Gemma 4 31B publica MMMU Pro, MATH-Vision, OmniDocBench e MedXPertQA. Se você precisa de compreensão de imagens, um desses modelos tem evidências e o outro tem um codificador.

Memória, formatos e quanto custa cada download

Ambos os modelos têm de 52 a 63 GB em precisão total, o que os coloca na mesma classe de hardware e faz da lista de formatos a parte útil da comparação.

• DaisyRose 27B — BF16 cerca de 52 GB, FP8 cerca de 29 GB, NVFP4 cerca de 23 GB e exclusivo para Blackwell, além de RadixArk/Qwen3.8-27B-DSpark como um drafter de decodificação especulativa para SGLang. A configuração de referência é de quatro réplicas de paralelismo de dados em um nó de quatro GPUs com paralelismo de tensores 1, um contexto de 262.144 tokens e um cache KV FP8. A RadixArk lista implantação em GPU única no H200, B200, GB300, RTX PRO 6000, RTX 5090 e DGX Spark.

• Gemma 4 31B — bfloat16 em dois shards safetensors de aproximadamente 49,8 GB e 12,8 GB, cerca de 62,5 GB no total. Um GGUF QAT Q4_0 de 17,7 GB mais um projetor de visão de 1,2 GB, aproximadamente 18,9 GB antes do cache KV, o que coloca o topo denso da linha Gemma em uma única placa gráfica de consumidor de 24 GB. Uma build QAT w4a16 compressed-tensors de 23,3 GB para vLLM, um checkpoint Q4_0 não quantizado carregando os pesos QAT sem empacotamento, e um drafter de previsão multi-token de 0,94 GB.

A linha GGUF é a diferença concreta. O G​oogle oferece uma build de 4 bits feita por ele mesmo que cabe em uma placa de 24 GB; a RadixArk oferece três precisões e espera que você as sirva por meio do SGLang. Para uma equipe com uma workstation e sem uma pilha de serving, não é uma decisão difícil — um download funciona, o outro exige uma implantação.

Um detalhe que complica: o card da Gemma exige que um assistente de decodificação especulativa corresponda à precisão do checkpoint alvo, então o drafter de 0,94 GB combina com o alvo QAT 31B em vez da versão bfloat16. O drafter da RadixArk tem o nome de Qwen3.8-27B e combina com a própria build FP8 do DaisyRose 27B.

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.

Custo, e aquele que tem um preço

O Gemma 4 31B está disponível hoje no OrcaRouter como google/gemma-4-31b-it a US$ 0,13 por milhão de tokens de entrada e US$ 0,38 por milhão de tokens de saída, com raciocínio configurável, chamada de função nativa e contexto de 256K. O sufixo -it faz parte da string que um cliente passa.

O DaisyRose 27B não tem preço hospedado pelo fornecedor. O site da RadixArk descreve treinamento e serviço para outros laboratórios e não publica nenhum endpoint do DaisyRose; o cartão do modelo aponta apenas para a auto-hospedagem via SGLang, vLLM e Docker. Anúncios de terceiros citam 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 único host, e não uma tarifa do fornecedor.

Colocando esses números lado a lado, a comparação de hospedagem vai na direção oposta à da tabela de benchmark: Gemma 4 31B a treze centavos por milhão de entrada contra quinze centavos de um provedor terceirizado, mas trinta e oito centavos contra um dólar e oitenta e oito centavos na saída. Em uma carga de trabalho com uso intensivo de geração, isso é uma diferença de cinco vezes em favor do modelo maior, e ela existe por um motivo estrutural — o Gemma 4 31B tem um tier de hospedagem estabelecido com vários provedores competindo nele, enquanto o DaisyRose 27B tem um único host e três dias de histórico.

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.

Para qual trabalho cada modelo foi criado

O resumo honesto é que esses modelos não estão disputando a mesma compra, e as tabelas de benchmark provam isso ao se recusarem a se sobrepor.

Gemma 4 31B é o modelo que você quer se precisa de amplitude: um modo de raciocínio que você pode reduzir, chamada de função que funciona com esquemas de ferramentas existentes, mais de 140 idiomas, uma avaliação de visão publicada, uma versão quantizada que roda em uma estação de trabalho e um preço de serviço hospedado de treze centavos por milhão de tokens de entrada. É a escolha segura para um produto geral, e o custo de errar é alguns dólares de gastos com API.

O DaisyRose 27B é o modelo que você quer se estiver construindo um agente de terminal e puder hospedá-lo. O valor dele no Terminal Bench 4.1 é mais que o dobro do valor do próprio modelo base, o SWE Bench Pro v2 está em 94.7 e o IFBench em 82.4 é o mais alto no cartão de comparação da RadixArk. Todos esses números são relatados pelo fornecedor, nenhum foi reproduzido de forma independente, e o modelo tem três dias. Mas o formato da alegação é específico o suficiente para testar: rode seus próprios traces de agente contra o Qwen3.8-27B — disponível como qwen/qwen3.8-27b a $0.33 por milhão de tokens de entrada e $2.40 por milhão de tokens de saída, com o mesmo contexto de 262,144 tokens e a mesma torre de visão — e veja se o modo de falha que a RadixArk treinou para eliminar é o que você realmente encontra.

Essa também é a maneira mais barata de decidir entre esses dois. O Gemma 4 31B e o Qwen3.8-27B ficam por trás de uma única chave do OrcaRouter sem um segundo contrato e sem alteração de código, com 0% de acréscimo sobre o preço de tabela de cada provedor, para que uma mudança de preço de qualquer um dos lados chegue até você no dia em que acontecer. Se o Gemma 4 31B der conta do seu loop de agente, você termina com treze centavos. Se não der, e o modelo base falhar no mesmo ponto, então um pós-treinamento de RL de dezoito dias em uma H200 é a próxima coisa que vale a pena pagar — e aí você já saberá o que está comprando para corrigir.