การ์ดชื่อเรื่องที่สร้างขึ้นอ่านว่า 'DaisyRose 27B vs Gemma 4 31B' มีคำบรรยายใต้ภาพว่า 'สองโมเดลแบบ dense สองงานที่แตกต่างกัน' เหนือการ์ดโค้งมนสามใบที่อ่านว่า 'DaisyRose: 27.8B dense, post-train เฉพาะ RL', 'Gemma 4 31B: 30.7B dense, ความสามารถทั่วไป' และ 'GPQA Diamond: 90.7 เทียบกับ 84.3' โดยมีส่วนท้ายที่อ่านว่า 'ตัวเลขของ DaisyRose อ้างอิงจาก RadixArk พฤศจิกายน 2026; ตัวเลขของ Gemma 4 31B อ้างอิงจาก Google DeepMind.' โลโก้ OrcaRouter อยู่ที่มุมขวาล่าง
Guides & Insights

DaisyRose 27B กับ Gemma 4 31B: โมเดลแบบ Dense สองตัว กับงานที่แตกต่างกันสองแบบ

ผู้เขียน

jinhao.song

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

DaisyRose 27B และ Gemma 4 31B เป็นคู่ที่ใกล้เคียงกันที่สุดในกลุ่มการเปรียบเทียบนี้ ทั้งคู่เป็นโมเดลแบบ dense ทั้งคู่มีพารามิเตอร์ระหว่าง 27 ถึง 31 พันล้าน ทั้งคู่เป็นมัลติโมดัลที่มีบริบท 256K โทเค็น ทั้งคู่ใช้ Apache 2.0 และทั้งคู่มาพร้อมดราฟเตอร์สำหรับ speculative decoding ควบคู่กับน้ำหนักโมเดล นอกจากนี้ จากหลักฐานที่ผู้ขายเลือกเผยแพร่ ทั้งสองยังมุ่งเป้าผู้ซื้อต่างกลุ่มกัน Gemma 4 31B เป็นโมเดลอเนกประสงค์ของ Google DeepMind — โมเดล dense ขนาด 30.7B ที่มีโหมดคิดซึ่งกำหนดค่าได้ การเรียกฟังก์ชันแบบเนทีฟ มากกว่า 140 ภาษา และตารางความสามารถ 14 แถวที่ครอบคลุมตั้งแต่ AIME ไปจนถึงการแยกวิเคราะห์เอกสาร DaisyRose 27B เป็นโมเดลเฉพาะทางของ RadixArk เผยแพร่เมื่อ 18 พฤศจิกายน 2026 ผ่านการ post-train ด้วยการเรียนรู้แบบเสริมกำลังเพียงอย่างเดียวบนงานเอเจนต์ระยะยาว และพิสูจน์บนตารางเอเจนต์ 5 แถว โมเดลทั้งสองมีรูปร่างใกล้เคียงกันมาก แต่หลักฐานที่ผู้ขายแต่ละรายนำเสนอแทบไม่ทับซ้อนกันเลย

มีเพียง benchmark เดียวในทั้งสองตารางที่ปรากฏทั้งสองชื่อ นั่นคือ GPQA Diamond ซึ่ง DaisyRose 27B รายงาน 90.7 และ Gemma 4 31B รายงาน 84.3 คะแนน 6.5 คะแนนในการสอบวิทยาศาสตร์ระดับบัณฑิตศึกษาจากโมเดลที่มีพารามิเตอร์น้อยกว่า 2.9 พันล้านตัว คือพาดหัวที่หน้านี้มี และส่วนที่เหลือของหน้านี้ว่าด้วยเหตุใดพาดหัวนั้นจึงดูบางเบากว่าที่เห็น

สถาปัตยกรรมสองแบบที่ดูคล้ายกัน

ถ้าตัดเรื่องแบรนด์ออกไป สเปกของทั้งคู่ก็ทับซ้อนกันมากกว่าคู่ไหนๆ ในซีรีส์นี้

พารามิเตอร์ — DaisyRose 27B ขนาด 27.8B แบบ dense โดย 0.46B เป็น vision encoder และ 0.42B เป็น multi-token-prediction head เทียบกับ Gemma 4 31B ที่ 30.7B แบบ dense พร้อม vision encoder ประมาณ 550M พารามิเตอร์ ทั้งสองฝั่งไม่มีการจัดเส้นทางแบบ expert routing ดังนั้นจำนวนพารามิเตอร์ที่ใช้งานจึงเท่ากับจำนวนทั้งหมดในทั้งสองโมเดล

• บริบท — 262,144 โทเค็นสำหรับ DaisyRose 27B; 256K สำหรับ Gemma 4 31B ในทางปฏิบัติแล้วเป็นเพดานเดียวกัน

• รูปแบบข้อมูล — รับข้อความและรูปภาพเข้า ส่งข้อความออก ทั้งสองขนาด; ไม่มีเสียงในทั้งสองขนาด; ในฝั่ง Gemma จำกัดอยู่เฉพาะสมาชิก E2B, E4B และ 12B ของตระกูล

• สัญญาอนุญาต — Apache 2.0 ทั้งสองโมเดล ระบุไว้บนการ์ดโมเดลทั้งสองใบ

• เทคนิคบริบทแบบยาว — Gemma 4 31B ทำได้ด้วย 60 เลเยอร์ หน้าต่างเลื่อนเฉพาะที่ขนาด 1,024 โทเคนที่สลับกับการแอตเทนชันโกลบอลแบบเต็ม การรวมคีย์และแวลูเป็นหนึ่งเดียวในเลเยอร์โกลบอล และ RoPE แบบสัดส่วน DaisyRose 27B สืบทอดสถาปัตยกรรมของ Qwen3.8-27B มาโดยไม่เปลี่ยนแปลง ซึ่งเป็นแนวคิดแอตเทนชันแบบไฮบริดเดียวกันที่ได้มาจากสายการออกแบบที่ต่างกัน

สองจุดที่ทั้งสองแตกต่างกันอย่างแท้จริงคือจุดที่กำหนดว่าโมเดลนี้มีไว้เพื่ออะไร Gemma 4 31B มาพร้อมโหมดคิดที่กำหนดค่าได้ การเรียกฟังก์ชันแบบเนทีฟ และการรองรับบทบาท system อย่างชัดเจน ส่วน DaisyRose 27B มาพร้อมเทมเพลตแชตที่เหมือนกับของโมเดลฐาน และการฝึกที่ใช้งบประมาณทั้งหมดไปกับพฤติกรรมด้าน terminal และเครื่องมือ แทนที่จะใช้กับความกว้างของความสามารถ

แถวเดียวที่พวกเขามีร่วมกัน

GPQA Diamond ซึ่งมีคำถามวิทยาศาสตร์ระดับบัณฑิตศึกษา 198 ข้อ เป็นเบนช์มาร์กเดียวที่การ์ดทั้งสองใบเผยแพร่ และการกำหนดค่าที่อยู่เบื้องหลังตัวเลขทั้งสองนั้นไม่ใช่การวัดแบบเดียวกัน

ค่า {{2}}90.7{{/2}} ของ Daisy {{1}}27B{{/1}} มาจากการรันแปดครั้งบน {{3}}198 คำถาม{{/3}} โดยใช้เทมเพลต simple-evals โดยสลับลำดับคำตอบใหม่ทุกครั้ง และรายงานเป็นค่าที่ดีกว่าระหว่างการรัน BF16 กับ FP8 ของมัน ส่วนค่า {{5}}84.3{{/5}} ของ {{4}}Gemma 4 31B{{/4}} เป็นตัวเลขเดียวบนโมเดลการ์ดของ {{6}}Google{{/6}} โดยในตารางไม่ได้ระบุจำนวนครั้งที่รันและไม่ได้ระบุฮาร์เนส

ดังนั้นช่องว่างนี้จึงเป็นของจริงในแง่ที่ผู้ขายทั้งสองรายเผยแพร่ตัวเลขภายใต้ชื่อ benchmark เดียวกัน และเป็นช่องว่างแบบหลวม ๆ ในแง่ที่ฝ่ายหนึ่งมีแปดรอบการรันและมีโปรโตคอลการสลับลำดับใหม่ ขณะที่ระเบียบวิธีของอีกฝ่ายเป็นเพียงเชิงอรรถ หกจุดห้าคะแนนคิดเป็นประมาณสามสิบสามคำถามจากทั้งหมด 198 ข้อ ซึ่งมากกว่าความผันผวนจากการสุ่มตัวอย่างในชุดคำถาม 198 ข้อ แต่ความแตกต่างของฮาร์เนสขนาดนั้นไม่ใช่เรื่องที่ไม่เคยได้ยินมาก่อน และผู้ขายทั้งสองรายก็ไม่ได้รันการประเมินของอีกฝ่าย

สิ่งที่ทำให้แถวนี้น่าสนใจกว่าคะแนนเดี่ยวคือตำแหน่งของมันเมื่อเทียบกับฐานของแต่ละโมเดล DaisyRose 27B ปรับปรุง GPQA Diamond จาก 89.2 เป็น 90.7 เมื่อเทียบกับ Qwen3.8-27B — เพิ่มขึ้น 1.5 คะแนนจากการเรียนรู้แบบเสริมกำลังเป็นเวลาสิบแปดวัน Gemma 4 31B ได้ 84.3 ซึ่งสูงกว่าคู่พี่น้อง 26B A4B ของตัวเองที่ 82.3 อยู่ 2 คะแนน ใน benchmark นี้ทั้งสองโมเดลอยู่ใกล้กับจุดที่ pretraining วางไว้ และ post-training ก็ไม่ได้ขยับทั้งคู่มากนัก หากคุณกำลังเลือกระหว่างทั้งสองในสาขาวิทยาศาสตร์ระดับบัณฑิตศึกษา ช่องว่างหกคะแนนส่วนใหญ่เป็นช่องว่างของ base model มากกว่าช่องว่างของ training recipe

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.

ตารางที่กรอกเพียงฝ่ายเดียว

ตรงนี้การเปรียบเทียบไม่ได้เป็นการเปรียบเทียบอีกต่อไป แต่กลายเป็นการเลือกหลักฐาน G​oogle เผยแพร่ตารางความสามารถทั่วไป และ RadixArk เผยแพร่ตารางแบบเอเจนติก และทั้งสองไม่ได้ทับซ้อนกัน

การ์ดของ Gemma 4 31B ระบุค่า MMLU Pro 85.2, AIME 2026 โดยไม่ใช้เครื่องมือ 89.2, LiveCodeBench v6 80.0, Codeforces ELO 2150, Tau2 76.9, HLE โดยไม่ใช้เครื่องมือ 19.5 และเมื่อใช้การค้นหา 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 ที่ 0.131 และ MRCR v2 ที่ 8 needles และบริบท 128K 66.4 ไม่มีแถว Terminal Bench ไม่มีแถว SWE-bench และไม่มีแถว IFBench

การ์ดของ DaisyRose 27B ระบุ Terminal Bench 4.1 ไว้ที่ 12.0 เทียบกับค่าฐาน 5.6, Terminal Bench 2.1 ที่ 75.5, DeepSWE v1.1 ที่ 46.2, SWE Bench Pro v2 ที่ 94.7 และ IFBench ที่ 82.4 พร้อมทั้ง HLE แบบข้อความล้วนที่ 34.3 และ GPQA Diamond ที่ 90.7 ไม่มีแถว MMLU Pro, ไม่มี AIME, ไม่มี Codeforces และไม่มีแถว benchmark ด้าน vision เลย — แม้ว่าโมเดลจะมี vision encoder ก็ตาม

ความไม่สมมาตรสองประการในการจับคู่นี้สมควรได้รับการกล่าวถึง ประการแรกคือ HLE: RadixArk รายงาน 34.3 เมื่อไม่ใช้เครื่องมือ ขณะที่ Google รายงาน 19.5 เมื่อไม่ใช้เครื่องมือ และ 26.5 เมื่อใช้การค้นหา แม้จะให้ Gemma 4 31B ใช้การตั้งค่าที่มีเครื่องมือช่วย คะแนนของ DaisyRose 27B ก็ยังสูงกว่าเกือบแปดคะแนน — แต่ผู้ให้คะแนนแตกต่างกัน เนื่องจาก RadixArk ใช้ GPT-6 Luna ในห้ารอบต่อปัญหา ขณะที่ Google ไม่ได้ระบุการตั้งค่าการให้คะแนนของตน ประการที่สองคือ vision: DaisyRose 27B มาพร้อม vision encoder ขนาด 0.46B และไม่เผยแพร่ benchmark ด้าน vision เลย ดังนั้นความสามารถแบบมัลติ模态ของมันจึงยังไม่ถูกวัดในที่สาธารณะ ส่วน Gemma 4 31B เผยแพร่ MMMU Pro, MATH-Vision, OmniDocBench และ MedXPertQA หากคุณต้องการความเข้าใจภาพ หนึ่งในโมเดลเหล่านี้มีหลักฐานรองรับ ส่วนอีกตัวมีเพียง encoder

หน่วยความจำ รูปแบบไฟล์ และค่าใช้จ่ายในการดาวน์โหลดแต่ละครั้ง

โมเดลทั้งสองมีขนาด 52 ถึง 63 GB ที่ความแม่นยำเต็มรูปแบบ ซึ่งทำให้จัดอยู่ในคลาสฮาร์ดแวร์เดียวกัน และทำให้รายการรูปแบบเป็นส่วนที่มีประโยชน์ของการเปรียบเทียบ

• DaisyRose 27B — BF16 ประมาณ 52 GB, FP8 ประมาณ 29 GB, NVFP4 ประมาณ 23 GB และรองรับเฉพาะ Blackwell พร้อมด้วย RadixArk/Qwen3.8-27B-DSpark ในฐานะดราฟเตอร์สำหรับ speculative decoding สำหรับ SGLang การกำหนดค่าอ้างอิงคือรีพลิกาแบบ data-parallel จำนวนสี่ชุดกระจายอยู่บนโหนดที่มี GPU สี่ตัวที่ tensor parallelism 1, บริบท 262,144 โทเคน และ FP8 KV cache RadixArk ระบุการติดตั้งใช้งานบน GPU เดียวบน H200, B200, GB300, RTX PRO 6000, RTX 5090 และ DGX Spark

• Gemma 4 31B — bfloat16 ในไฟล์ safetensors สองแชรด์ขนาดราว 49.8 GB และ 12.8 GB รวมกันประมาณ 62.5 GB. GGUF แบบ QAT Q4_0 ขนาด 17.7 GB บวกกับ vision projector ขนาด 1.2 GB รวมราว 18.9 GB ก่อนหัก KV cache ซึ่งทำให้รุ่นท็อปแบบ dense ของตระกูล Gemma รันบนการ์ดจอสำหรับผู้บริโภคขนาด 24 GB เพียงใบเดียวได้. บิลด์ compressed-tensors แบบ QAT w4a16 ขนาด 23.3 GB สำหรับ vLLM, เช็กพอยต์ Q4_0 ที่ไม่ได้ควอนไทซ์ซึ่งบรรจุน้ำหนัก QAT ไว้โดยไม่มีการแพ็ก และ drafter สำหรับการทำนายหลายโทเคนขนาด 0.94 GB

ไลน์ GGUF คือความแตกต่างที่จับต้องได้ Google ปล่อยบิลด์ 4-bit ที่สร้างขึ้นเองซึ่งพอดีกับการ์ด 24 GB; RadixArk ปล่อยสามระดับความแม่นยำและคาดหวังให้คุณให้บริการผ่าน SGLang สำหรับทีมที่มีเวิร์กสเตชันและไม่มีสแตกสำหรับการให้บริการ นี่ไม่ใช่การเลือกที่สูสี — ตัวหนึ่งดาวน์โหลดแล้วรันได้ อีกตัวต้องทำดีพลอย

รายละเอียดหนึ่งที่อาจสร้างปัญหา: การ์ดของ Gemma กำหนดให้ผู้ช่วย speculative decoding ต้องมีความแม่นยำตรงกับ checkpoint เป้าหมาย ดังนั้น drafter ขนาด 0.94 GB จึงจับคู่กับเป้าหมาย QAT 31B แทนรีลีส bfloat16 ส่วน drafter ของ RadixArk ตั้งชื่อตาม Qwen3.8-27B และจับคู่กับบิลด์ FP8 ของ DaisyRose 27B เอง

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.

ต้นทุน และสิ่งที่มีราคา

Gemma 4 31B พร้อมใช้งานบน OrcaRouter แล้ววันนี้ในชื่อ google/gemma-4-31b-it ในราคา $0.13 ต่อล้านโทเคนอินพุต และ $0.38 ต่อล้านโทเคนเอาต์พุต พร้อมความสามารถในการคิดที่กำหนดค่าได้ การเรียกฟังก์ชันแบบเนทีฟ และบริบท 256K ส่วนต่อท้าย -it เป็นส่วนหนึ่งของสตริงที่ไคลเอนต์ส่งมา

DaisyRose 27B ไม่มีราคาที่ผู้ขายโฮสต์ไว้เอง เว็บไซต์ของ RadixArk อธิบายถึงการฝึกและการให้บริการสำหรับแล็บอื่น ๆ และไม่เผยแพร่ endpoint ของ DaisyRose การ์ดโมเดลชี้ไปที่การโฮสต์เองผ่าน SGLang, vLLM และ Docker เท่านั้น รายการจากบุคคลที่สามเสนอราคา $0.15 ต่อล้านโทเค็นอินพุต และ $1.88 ต่อล้านโทเค็นเอาต์พุต ซึ่งเป็นราคาเปิดของโฮสต์รายหนึ่งมากกว่าที่จะเป็นอัตราของผู้ขาย

เมื่อนำมาเทียบกัน การเปรียบเทียบราคาแบบโฮสต์กลับสวนทางกับตารางเบนช์มาร์ก: Gemma 4 31B อยู่ที่ 13 เซนต์ต่อล้านโทเคนอินพุต เทียบกับ 15 เซนต์ของโฮสต์บุคคลที่สาม แต่เป็น 38 เซนต์เทียบกับ 1.88 ดอลลาร์สำหรับเอาต์พุต ในงานที่มีการสร้างเป็นหลัก นั่นคือความแตกต่างถึงห้าเท่าที่ได้เปรียบโมเดลที่ใหญ่กว่า และมันเกิดขึ้นจากเหตุผลเชิงโครงสร้าง — Gemma 4 31B มีระดับบริการโฮสต์ที่มั่นคงโดยมีผู้ให้บริการหลายรายแข่งขันกัน ในขณะที่ DaisyRose 27B มีโฮสต์เดียวและมีประวัติเพียงสามวัน

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.

แต่ละโมเดลถูกสร้างขึ้นมาเพื่องานใด

สรุปตามจริงคือโมเดลเหล่านี้ไม่ได้แข่งขันกันเพื่อการซื้อเดียวกัน และตาราง benchmark พิสูจน์เรื่องนี้ด้วยการไม่ทับซ้อนกัน

Gemma 4 31B คือโมเดลที่คุณต้องการหากต้องมีความครอบคลุมกว้าง: โหมดคิดที่ปรับลดได้ การเรียกฟังก์ชันที่ทำงานร่วมกับสคีมาเครื่องมือที่มีอยู่ ภาษากว่า 140 ภาษา การประเมินด้านวิสัยทัศน์ที่เผยแพร่แล้ว บิลด์แบบควอนไทซ์ที่รันบนเวิร์กสเตชัน และราคาแบบโฮสต์สิบสามเซนต์ต่อโทเคนอินพุตหนึ่งล้านโทเคน เป็นตัวเลือกที่ปลอดภัยสำหรับผลิตภัณฑ์ทั่วไป และต้นทุนของความผิดพลาดอยู่ที่ค่าใช้จ่าย API ไม่กี่ดอลลาร์

DaisyRose 27B คือโมเดลที่คุณต้องการหากคุณกำลังสร้าง terminal agent และคุณสามารถโฮสต์มันได้ ตัวเลข Terminal Bench 4.1 ของมันมากกว่าสองเท่าของโมเดลฐานของตัวเอง SWE Bench Pro v2 อยู่ที่ 94.7 และ IFBench ที่ 82.4 นั้นสูงที่สุดในตารางเปรียบเทียบของ RadixArk ตัวเลขทั้งหมดเหล่านั้นเป็นข้อมูลที่ผู้ขายรายงานเอง ไม่มีตัวใดถูกทำซ้ำอย่างอิสระ และโมเดลนี้เพิ่งออกมาได้สามวัน แต่รูปร่างของข้อกล่าวอ้างนั้นเจาะจงพอที่จะทดสอบได้: ลองรัน agent trace ของคุณเองกับ Qwen3.8-27B — ซึ่งมีให้ใช้ในชื่อ qwen/qwen3.8-27b ในราคา $0.33 ต่อล้านโทเค็นอินพุต และ $2.40 ต่อล้านโทเค็นเอาต์พุต พร้อมบริบท 262,144 โทเค็นและ vision tower ชุดเดียวกัน — แล้วดูว่าโหมดความล้มเหลวที่ RadixArk เทรนออกไปนั้นเป็นแบบเดียวกับที่คุณเจอจริงหรือไม่

นี่ก็เป็นวิธีที่ประหยัดที่สุดในการตัดสินใจเลือกระหว่างสองตัวนี้เช่นกัน Gemma 4 31B และ Qwen3.8-27B อยู่เบื้องหลังคีย์ OrcaRouter เพียงคีย์เดียว โดยไม่มีสัญญาที่สองและไม่ต้องแก้โค้ด โดยบวกเพิ่ม 0% จากราคาตามรายการของผู้ให้บริการแต่ละราย ดังนั้นการเปลี่ยนแปลงราคาในฝั่งใดฝั่งหนึ่งจะมาถึงคุณในวันที่เกิดขึ้น หาก Gemma 4 31B รับมือลูปของเอเจนต์คุณได้ คุณก็จบที่สิบสามเซนต์ หากทำไม่ได้ และโมเดลฐานล้มเหลวในจุดเดียวกัน การฝึก RL หลังการฝึกเป็นเวลาสิบแปดวันบน H200 ก็เป็นสิ่งถัดไปที่คุ้มค่าจะจ่าย — และถึงตอนนั้นคุณจะรู้ว่าคุณซื้อมันมาเพื่อแก้ไขอะไร

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube