
DaisyRose 27B vs Gemma 4 31B: Två täta modeller, två olika uppgifter
- OrcaNYOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M tokens · 184 tok/s
- tencentNYTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M tokens · 494 tok/s
- AlibabaNYQwen: Qwen4 Max2026-11-16$1.50 / $4.50 per 1M tokens · 385 tok/s
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 94 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 290 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 132 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 104 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 215 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
DaisyRose 27B och Gemma 4 31B är det närmaste paret i den här familjen av jämförelser: båda är densa, båda ligger mellan 27 och 31 miljarder parametrar, båda är multimodala med en kontext på 256K token, båda är Apache 2.0 och båda levereras med en drafter för spekulativ avkodning tillsammans med vikterna. Utifrån den evidens som deras leverantörer valde att publicera riktar de sig också till olika köpare. Gemma 4 31B är Google DeepMinds generalist – en dens modell på 30,7B med ett konfigurerbart tankeläge, inbyggt funktionsanrop, fler än 140 språk och en kapacitetstabell med fjorton rader som täcker allt från AIME till dokumenttolkning. DaisyRose 27B är RadixArks specialist, publicerad den 18 november 2026, eftertränad enbart med förstärkningsinlärning på långsiktiga agentuppgifter och visad i en agenttabell med fem rader. Modellerna är nästan identiska till formen; bevisen som respektive leverantör erbjuder är nästan helt åtskilda.
Endast ett benchmark i någon av tabellerna bär båda namnen: GPQA Diamond, där DaisyRose 27B rapporterar 90,7 och Gemma 4 31B rapporterar 84,3. Sex och en halv poäng på ett naturvetenskapligt prov på avancerad nivå från en modell med 2,9 miljarder färre parametrar är den rubrik den här sidan har, och resten handlar om varför den rubriken är tunnare än den verkar.
Två arkitekturer som ser lika ut
Om man tar bort varumärket överlappar databladen mer än någon annan matchning i den här serien.
• Parametrar — DaisyRose 27B 27,8B dense, varav 0,46B är en visionsencoder och 0,42B ett multi-token-prediktionshuvud, mot Gemma 4 31B vid 30,7B dense med en visionsencoder på cirka 550M parametrar. Ingen expert-routing på någon av sidorna, så antalet aktiva parametrar är lika med totalen för båda.
• Kontext — 262 144 token för DaisyRose 27B; 256K för Gemma 4 31B. I praktiken samma tak.
• Modaliteter – text och bild in, text ut, på båda. Ljud är inte tillgängligt i någon av storlekarna; på Gemma-sidan är det begränsat till E2B-, E4B- och 12B-medlemmarna i familjen.
• Licens — Apache 2.0 på båda, angivet på båda modellkorten.
• Långkontextteknik — Gemma 4 31B når dit med 60 lager, ett lokalt glidande fönster på 1 024 token som varvas med fullständig global uppmärksamhet, enhetliga nycklar och värden i de globala lagren samt proportionell RoPE. DaisyRose 27B ärver Qwen3.8-27B:s arkitektur oförändrad, vilket är samma hybriduppmärksamhetsidé som har uppnåtts från en annan designlinje.
De två punkter där de verkligen skiljer sig är de som avgör vad modellen är till för. Gemma 4 31B levereras med ett konfigurerbart tänkläge, inbyggt funktionsanrop och uttryckligt stöd för systemrollen. DaisyRose 27B levereras med en chattmall som är identisk med basmodellens och en träningskörning som lade hela sin budget på terminal- och verktygsbeteende i stället för på bredd.
Den enda raden de delar
GPQA Diamond, 198 vetenskapsfrågor på avancerad nivå, är det enda prestandatest som båda korten publicerar, och konfigurationerna bakom de två siffrorna är inte samma mätning.
DaisyRose 27B:s 90,7 kommer från åtta körningar på 198 frågor med simple-evals-mallen, där svarsordningen slumpades om varje gång, och rapporteras som den bättre av dess BF16- och FP8-körningar. Gemma 4 31B:s 84,3 är en enda siffra på Googles modellkort, utan angivet antal körningar och utan angivet utvärderingsramverk i själva tabellen.
Så gapet är reellt i den meningen att båda leverantörerna publicerade en siffra under samma benchmarknamn, och mjukt i den meningen att ena sidan har åtta körningar och ett omblandningsprotokoll medan den andras metodik är en fotnot. Sex och en halv poäng är ungefär trettiotre frågor av 198. Det är större än urvalsbrus i en uppsättning på 198 frågor, men en skillnad i testramverk av den storleken är inte helt ovanlig, och ingen av leverantörerna har kört den andras utvärdering.
Det som gör raden mer intressant än en enskild poäng är var den ligger i förhållande till varje modells bas. DaisyRose 27B förbättrar GPQA Diamond från 89,2 till 90,7 jämfört med Qwen3.8-27B – en ökning med 1,5 poäng från arton dagars förstärkningsinlärning. Gemma 4 31B får 84,3, vilket är 2 poäng över sitt eget 26B A4B-syskon 82,3. På detta benchmark ligger båda modellerna nära där deras förträning placerade dem, och efterträningen flyttade ingen av dem särskilt mycket. Om du väljer mellan dem för naturvetenskap på forskarnivå är gapet på sex poäng mest ett basmodellsgap snarare än ett träningsreceptgap.

Tabellerna som endast en part fyllde i
Här slutar jämförelsen vara en jämförelse och blir i stället ett val av evidens. Google publicerade en allmän kapacitetstabell och RadixArk publicerade en agentisk sådan, och ingen av dem överlappar den andra.
Modellkortet för Gemma 4 31B innehåller MMLU Pro 85.2, AIME 2026 utan verktyg 89.2, LiveCodeBench v6 80.0, Codeforces ELO 2150, Tau2 76.9, HLE utan verktyg 19.5 och med sökning 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 på 0.131 samt MRCR v2 vid åtta nålar och 128K kontext 66.4. Det finns ingen Terminal Bench-rad, ingen SWE-bench-rad och ingen IFBench-rad.
DaisyRose 27B:s modellkort redovisar Terminal Bench 4.1 på 12,0 mot en bas på 5,6, Terminal Bench 2.1 på 75,5, DeepSWE v1.1 på 46,2, SWE Bench Pro v2 på 94,7 och IFBench på 82,4, plus HLE endast text på 34,3 och GPQA Diamond på 90,7. Det finns ingen MMLU Pro, ingen AIME, ingen Codeforces och ingen rad för visionsbenchmark överhuvudtaget – trots att modellen har en visionskodare.
Två asymmetrier i det paret förtjänar att nämnas. Den första är HLE: RadixArk rapporterar 34,3 utan verktyg, Google rapporterar 19,5 utan verktyg och 26,5 med sökning. Även om Gemma 4 31B får sin verktygsassisterade konfiguration är DaisyRose 27B:s siffra nästan åtta poäng högre – men bedömarna skiljer sig, eftersom RadixArk använde GPT-6 Luna vid fem körningar per problem medan Google inte anger sitt bedömningsupplägg. Den andra är vision: DaisyRose 27B levereras med en visionsencoder på 0,46B och publicerar inget visionsbenchmark alls, så dess multimodala förmåga är inte offentligt mätt. Gemma 4 31B publicerar MMMU Pro, MATH-Vision, OmniDocBench och MedXPertQA. Om du behöver bildförståelse har en av dessa modeller belägg och den andra har en encoder.
Minne, format och vad varje nedladdning kostar
Båda modellerna är 52 till 63 GB i full precision, vilket placerar dem i samma hårdvaruklass och gör formatlistan till den användbara delen av jämförelsen.
• DaisyRose 27B – BF16 cirka 52 GB, FP8 cirka 29 GB, NVFP4 cirka 23 GB och endast för Blackwell, plus RadixArk/Qwen3.8-27B-DSpark som draftmodell för spekulativ avkodning för SGLang. Referenskonfigurationen är fyra dataparallella repliker över en nod med fyra GPU:er vid tensorparallellism 1, en kontext på 262 144 token och en FP8 KV-cache. RadixArk listar driftsättning på en enda GPU på H200, B200, GB300, RTX PRO 6000, RTX 5090 och DGX Spark.
• Gemma 4 31B — bfloat16 i två safetensors-shardar på ungefär 49,8 GB och 12,8 GB, cirka 62,5 GB tillsammans. En QAT Q4_0 GGUF på 17,7 GB plus en visionsprojektor på 1,2 GB, ungefär 18,9 GB före KV-cachen, vilket placerar den täta toppen av Gemma-serien på ett enda 24 GB konsumentkort. En QAT w4a16 compressed-tensors-build på 23,3 GB för vLLM, en icke-kvantiserad Q4_0-checkpoint som bär QAT-vikterna utan packning, och en multi-token-prediction-drafter på 0,94 GB.
GGUF-raden är den konkreta skillnaden. Google levererar en 4-bitarsversion av egen tillverkning som får plats på ett 24 GB-kort; RadixArk levererar tre precisioner och förväntar sig att du ska servera dem via SGLang. För ett team med en arbetsstation och ingen serveringsstack är det inte ett svårt val — den ena nedladdningen fungerar direkt, den andra kräver en driftsättning.
En detalj som ställer till det: Gemmas kort kräver en assistent för spekulativ avkodning som matchar målcheckpointens precision, så 0,94 GB-draftmodellen paras med QAT 31B-målet i stället för bfloat16-versionen. RadixArks draftmodell är namngiven efter Qwen3.8-27B och paras med DaisyRose 27B:s egen FP8-build.

Kostnad, och den som har ett pris
Gemma 4 31B finns på OrcaRouter idag som google/gemma-4-31b-it till $0.13 per miljon input-tokens och $0.38 per miljon output, med konfigurerbart tänkande, inbyggda funktionsanrop och en 256K kontext. Suffixet -it är en del av strängen som en klient skickar.
DaisyRose 27B har inget leverantörshostat pris. RadixArks webbplats beskriver träning och servering för andra labb och publicerar ingen DaisyRose-endpoint; modellkortet hänvisar endast till egen drift via SGLang, vLLM och Docker. Tredjepartslistningar anger $0,15 per miljon indata och $1,88 per miljon utdata, vilket är en värds inledande position snarare än en leverantörstaxa.
Ställer man dem sida vid sida går den hostade jämförelsen i motsatt riktning mot benchmarktabellen: Gemma 4 31B på tretton cent per miljon indata mot en tredjepartsvärds femton, men trettioåtta cent mot en dollar åttioåtta på utdata. I en genereringstung arbetsbelastning är det en femfaldig skillnad till den större modellens fördel, och den finns av en strukturell anledning – Gemma 4 31B har en etablerad hostad nivå med flera leverantörer som konkurrerar om den, medan DaisyRose 27B har en värd och tre dagars historik.

Vilket jobb varje modell byggdes för
Den ärliga sammanfattningen är att dessa modeller inte konkurrerar om samma köp, och benchmarktabellerna bevisar det genom att inte överlappa varandra.
Gemma 4 31B är modellen du vill ha om du behöver bredd: ett tänkandeläge som du kan skruva ned, funktionsanrop som fungerar med befintliga verktygsscheman, över 140 språk, en publicerad utvärdering av synförmåga, ett kvantiserat bygge som körs på en arbetsstation och ett hostat pris på tretton cent per miljon indatatoken. Det är det säkra valet för en allmän produkt, och kostnaden för att ha fel är några dollar i API-utgifter.
DaisyRose 27B är modellen du vill ha om du bygger en terminalagent och kan hosta den. Siffran för Terminal Bench 4.1 är mer än dubbelt så hög som dess egen basmodells, SWE Bench Pro v2 ligger på 94,7 och IFBench på 82,4 är högst på RadixArks jämförelsekort. Var och en av dessa siffror är leverantörsrapporterad, ingen har reproducerats oberoende, och modellen är tre dagar gammal. Men påståendets form är tillräckligt specifik för att testas: kör dina egna agentspår mot Qwen3.8-27B — tillgänglig som qwen/qwen3.8-27b för 0,33 USD per miljon inputtokens och 2,40 USD per miljon outputtokens, med samma kontextfönster på 262 144 tokens och samma visionstorn — och se om det felbeteende som RadixArk tränade bort är det du faktiskt stöter på.
Det är också det billigaste sättet att avgöra mellan dessa två. Gemma 4 31B och Qwen3.8-27B finns bakom en OrcaRouter-nyckel utan ett andra avtal och utan kodändringar, med 0 % påslag över varje leverantörs listpris, så att en prisändring på endera sidan når dig samma dag som den träder i kraft. Om Gemma 4 31B sköter din agentloop är du klar för tretton cent. Om den inte gör det, och basmodellen misslyckas på samma ställe, är en arton dagar lång RL-efterträning på en H200 nästa sak som är värd att betala för – och då vet du vad du köper den för att åtgärda.
