LBS-27B vs Gemma 4 26B A4B: Điều mà một kho lưu trữ trống phải đánh bại

Nếu khối lượng công việc của bạn có liên quan đến hình ảnh, một trang được quét hoặc ảnh chụp màn hình, thì cuộc so sánh giữa LBS-27B và Gemma 4 26B A4B đã kết thúc. Gemma 4 26B A4B chấp nhận hình ảnh và khung hình video và trả về văn bản; LBS-27B chưa tồn tại ở bất kỳ dạng nào có thể chạy được, nên nó không chấp nhận gì cả. Mọi thứ còn lại trong cuộc đối đầu này là câu hỏi về việc kho lưu trữ trống của inclusionAI có thể trở thành gì, và cách trung thực để trả lời là mô tả mức chuẩn mà Gemma đã thiết lập thay vì giả vờ rằng hai mô hình đã được đánh giá so với nhau.

Sự bất đối xứng đó chính là toàn bộ câu chuyện. Một trong hai mô hình này đã có mặt trên Hugging Face từ tháng 3 năm 2026, với 8,1 triệu lượt tải xuống, một bảng đánh giá đầy đủ và mức giá đã công bố. Mô hình còn lại được tạo lúc 05:36 UTC ngày 26 tháng 10 năm 2026 và chỉ chứa phần header giấy phép, không có gì khác. Một bản so sánh song song coi chúng là ngang hàng sẽ chỉ là hư cấu. Một bản so sánh song song cho biết LBS-27B sẽ phải vượt qua những gì là hữu ích, và đó là nội dung tiếp theo.

Mặt đã biết của sổ cái

Gemma 4 26B A4B là một mô hình mixture-of-experts với tổng cộng 25,2 tỷ tham số và 3,8 tỷ tham số hoạt động trên mỗi token, được chọn từ 128 chuyên gia với tám chuyên gia hoạt động cộng thêm một chuyên gia dùng chung. Mô hình có 30 lớp, bộ từ vựng 262.144 token và cửa sổ ngữ cảnh 256K. Ngăn xếp attention luân phiên năm lớp cửa sổ trượt 1.024 token với một lớp attention đầy đủ, đó là cách Google giữ cho cửa sổ dài có chi phí hợp lý.

Đây là mô hình đa phương thức theo một cách cụ thể và có giới hạn. Có một bộ mã hóa thị giác với khoảng 550 triệu tham số, đầu vào là hình ảnh và khung hình video, đầu ra là văn bản. Mô hình này không hỗ trợ âm thanh — tính năng đó nằm trên các biến thể nhỏ hơn E2B, E4B và 12B. Thẻ mô hình tuyên bố hỗ trợ hơn 140 ngôn ngữ, với khoảng 35 ngôn ngữ hoạt động ngay khi dùng. Giấy phép là Apache-2.0, và mốc cắt dữ liệu huấn luyện là tháng 1 năm 2025.

Bảng benchmark trên model card của Google — do nhà cung cấp tự báo cáo, chưa được tái lập độc lập — như sau: MMLU Pro 82,6; GPQA Diamond 82,3; AIME 2026 không dùng công cụ 88,3; LiveCodeBench v6 77,1; Codeforces ELO 1718; tau2 lấy trung bình trên ba bộ 68,2; MMMU Pro 73,8; MATH-Vision 82,4. Những hàng yếu cũng mang nhiều thông tin như những hàng mạnh: Humanity's Last Exam đạt 8,7 khi không dùng công cụ và 17,2 khi có tìm kiếm, còn MRCR v2 ở 128K với tám needle đạt trung bình 44,1. Cửa sổ 256K không có nghĩa là mô hình truy xuất tốt trên 256K.

Mặt chưa biết, được nói thẳng thắn

LBS-27B là một kho lưu trữ, một giấy phép và một cái tên. Kho lưu trữ được tạo vào ngày 26 tháng 10 năm 2026 và chứa hai tệp: một tệp .gitattributes tiêu chuẩn và một README 28 byte mà toàn bộ nội dung là dòng license: apache-2.0. Không có config.json, không có weight shard, không có tokenizer và không có model card. Không có lượt tải xuống nào được ghi nhận và không có lượt thích nào. Chúng tôi không thể tìm thấy bất kỳ thông báo, bài báo hay bài đăng mạng xã hội nào ở bất cứ đâu.

Điều đó có nghĩa gì đối với phép so sánh này thì đơn giản: mọi hàng ngoài giấy phép đều để trống. "27B" là một chuỗi trong tên kho lưu trữ, không phải số lượng tham số đã được xác minh. Kiến trúc có thể là dense hoặc sparse. Độ dài ngữ cảnh có thể là bất kỳ giá trị nào. Có thể có hoặc không có bộ mã hóa thị giác. Cho đến khi một tệp cấu hình xuất hiện, không câu hỏi nào trong số đó có câu trả lời, và bất kỳ bài viết nào điền vào chúng đều là đang bịa ra.

Nơi cuộc đối đầu sẽ thực sự được định đoạt

Nếu LBS-27B được phát hành dưới dạng mô hình lớp 27B, đây là những khía cạnh sẽ phân biệt nó với Gemma 4 26B A4B. Mỗi dòng chứa cả hai phía, với phần chưa biết được đánh dấu là chưa biết thay vì để trống.

• Tổng số tham số và tham số hoạt động — Gemma 4 26B A4B có tổng 25,2B tham số và 3,8B tham số hoạt động, theo báo cáo của nhà cung cấp; LBS-27B là mô hình 27B chưa được xác minh, không có số liệu về tham số hoạt động.

• {{1}}Kiến trúc{{/1}} — Gemma sử dụng {{2}}128 chuyên gia với định tuyến top-8{{/2}}; LBS vẫn chưa rõ, và dense so với sparse là ẩn số quan trọng nhất đối với chi phí phục vụ.

• Cửa sổ ngữ cảnh — 262.144 token đối với Gemma; không rõ đối với LBS.

• Phương thức — đầu vào văn bản, hình ảnh và khung hình video với đầu ra văn bản cho Gemma; chưa rõ đối với LBS, và chỉ văn bản là trường hợp cơ sở cho đến khi xuất hiện một tháp thị giác.

• Giấy phép — Apache-2.0 cho Gemma; Apache-2.0 được khai báo cho LBS, dù giấy phép có thể thay đổi trước khi trọng số được phát hành.

• Giá — 0,06 USD cho mỗi triệu token đầu vào và 0,33 USD cho mỗi triệu token đầu ra đối với Gemma trên OrcaRouter, ở mức 262.144 token ngữ cảnh; không có mức giá nào cho LBS vì không có gì để phục vụ.

• Các đánh giá đã công bố — bảng nhà cung cấp đầy đủ cho Gemma; không có cho LBS.

Con số quyết định bài toán kinh tế: 3,8 tỷ

A4B trong tên Gemma là phần quan trọng nhất của nó. Với khoảng 3,8 tỷ tham số hoạt động trên mỗi token, mô hình thực hiện khối lượng tính toán của một mô hình nhỏ trong khi nắm giữ kiến thức của một mô hình 25B. Đó là lý do vì sao nó có thể được định giá sáu xu cho mỗi triệu token đầu vào mà vẫn được cung cấp thương mại, và đó là lý do vì sao mô hình chạy trên phần cứng mà một mô hình 25B dense sẽ gặp khó khăn.

Một 27B dense là một sản phẩm khác. Nó đọc mọi tham số cho mỗi token, nên chi phí giải mã của nó tăng theo tổng số trọng số. Nếu LBS-27B hóa ra là dense, nó sẽ không cạnh tranh với Gemma 4 26B A4B về giá ở chất lượng tương đương — nó sẽ cạnh tranh về chất lượng với mức giá cao hơn, một lập luận khó hơn nhiều vào năm 2026. Nếu nó hóa ra là sparse với số tham số hoạt động nhỏ, so sánh sẽ trở nên thực sự và thú vị.

Đây là lý do vì sao bằng chứng đáng tin cậy đầu tiên cần để mắt tới không phải là một điểm số benchmark. Mà là số lượng expert trong file cấu hình. Mọi thứ về hình thái thương mại của LBS-27B đều suy ra từ đúng một trường đó.

Vision là một lớp khối lượng công việc, không phải một tính năng

Rất dễ coi đầu vào hình ảnh của Gemma như một ô đánh dấu. Trên thực tế, nó thay đổi những công việc mà mô hình có thể đảm nhận ngay từ đầu. Trích xuất tài liệu, phân loại ảnh chụp màn hình, đọc biểu đồ, kiểm tra hồi quy giao diện người dùng, xử lý hóa đơn và các quy trình gần với OCR không phải là những tác vụ văn bản có kèm một bức ảnh; chúng là những tác vụ mà hình ảnh chính là đầu vào. Một mô hình chỉ xử lý văn bản không thể tham gia vào chúng dù đạt bất kỳ điểm chuẩn nào.

Các con số về thị giác của Gemma ở mức đáng nể chứ không áp đảo: MMMU Pro 73.8, MATH-Vision 82.4 và khoảng cách chỉnh sửa trung bình OmniDocBench 1.5 là 0.149, tất cả đều từ thẻ mô hình của Google. Ngân sách token hình ảnh có thể chọn ở mức 70, 140, 280, 560 hoặc 1,120 token mỗi ảnh, cho phép bạn đánh đổi độ phân giải với chi phí mỗi yêu cầu — một chi tiết thực tế quan trọng hơn trong vận hành thực tế so với một điểm trên bảng xếp hạng.

Với LBS-27B, câu hỏi mang tính nhị phân. Nếu inclusionAI tung ra một vision tower, mô hình sẽ bước vào cùng lớp khối lượng công việc và so sánh trở thành cuộc so tài về chất lượng và giá. Nếu không, LBS-27B chỉ có thể đảm nhận nửa phần văn bản trong công việc của Gemma, và quyết định trở thành câu hỏi định tuyến thay vì câu hỏi thay thế.

LBS-27B sẽ phải vượt qua những gì

Giả sử, để tiện cho việc tranh luận, rằng trọng số sẽ có mặt và mô hình là một 27B đủ năng lực. Để đáng chuyển sang từ Gemma 4 26B A4B trên các tác vụ văn bản, nó sẽ cần làm được ba việc cùng một lúc.

Thứ nhất, hãy đánh bại các dòng do nhà cung cấp báo cáo của Gemma với khoảng cách đủ lớn để chịu được khác biệt về harness. MMLU Pro 82.6, GPQA Diamond 82.3 và AIME 2026 ở 88.3 là những con số mạnh đối với một mô hình có 3,8B tham số hoạt động, và lợi thế hai điểm trên một phiên bản harness khác không phải là lợi thế. Thứ hai, làm được điều đó với mức giá kết hợp tương đương. Giá đầu ra 0,33 USD/triệu token của Gemma là ràng buộc quyết định; một mô hình dense 27B có mức giá đầu ra gấp ba đến năm lần mức đó cần khoảng cách chất lượng lớn hơn nhiều để tự biện minh. Thứ ba, đánh bại nó ở một điểm mà Gemma yếu thấy rõ — truy xuất ngữ cảnh dài, nơi điểm 44,1 của Gemma trên MRCR v2 ở 128K còn để lại dư địa thực sự, hoặc sử dụng công cụ, nơi mức trung bình tau2 68,2 của nó là tốt nhưng không xuất sắc.

Cách khả dĩ nhất để một mô hình 27B mới giành chiến thắng không phải là đánh bại Gemma ở mọi mặt. Mà là rõ ràng tốt hơn ở một công việc tốn kém — phân tích tài liệu dài, chuỗi công cụ tác tử, hoặc một ngôn ngữ không phải tiếng Anh nơi độ phủ của Gemma còn mỏng — trong khi chỉ đủ sức cạnh tranh ở những mặt khác.

Giá cả, tình trạng sẵn có và câu trả lời thực tế

Gemma 4 26B A4B hiện đã có mặt trên OrcaRouter với tên google/gemma-4-26b-a4b-it, với ngữ cảnh 262.144 token và mức giá 0,06 USD mỗi triệu token đầu vào cùng 0,33 USD mỗi triệu token đầu ra. Vì OrcaRouter chuyển nguyên giá niêm yết của nhà cung cấp với mức đánh dấu 0%, mọi thay đổi giá mà Google hoặc các đối tác lưu trữ của họ thực hiện sẽ hiển thị phía chúng tôi ngay trong ngày hôm đó thay vì phải đợi đến kỳ thanh toán tiếp theo. Ngoài ra còn có một mục niêm yết Gemma 4 26B A4B thứ hai trên nền tảng với mức giá cao hơn, điều này đáng để biết trước khi bạn cho rằng dòng rẻ nhất là dòng duy nhất.

LBS-27B không có trên OrcaRouter, và chúng tôi sẽ không giả vờ rằng nó có. Không có trọng số nào để phục vụ. Khi và nếu điều đó thay đổi, cách hợp lý để đánh giá nó không phải là di chuyển toàn bộ mà là tách ra: định tuyến một phần lưu lượng đến mô hình mới qua cùng một API key, giữ Gemma làm phương án dự phòng, và so sánh trên chính dữ liệu đầu vào của bạn. Chuyển đổi dự phòng tự động khiến điều đó an toàn theo cách mà tích hợp trực tiếp không có, vì một mô hình lỗi hoặc không khả dụng sẽ hạ cấp về một mô hình đã biết thay vì làm sập yêu cầu.

Ai nên hành động, và ai nên chờ đợi

Nếu tuần này bạn cần một mô hình đa phương thức giá rẻ với ngữ cảnh dài và giấy phép thoáng, thì Gemma 4 26B A4B là câu trả lời, còn LBS-27B thì không nằm trong cuộc thảo luận. Đó không phải là chê bai inclusionAI; đó chỉ là ý nghĩa của một kho lưu trữ trống.

Nếu bạn đang theo dõi phân khúc 27B cho một mẫu chủ lực chỉ xử lý văn bản và có thể chờ đợi, thì điều cần để ý là tệp cấu hình. Một kiến trúc thưa với lượng tham số hoạt động nhỏ sẽ khiến LBS-27B trở thành đối thủ cạnh tranh giá thực sự với Gemma. Một kiến trúc dày đặc sẽ biến nó thành nước đi về chất lượng với chi phí cao hơn. Và một tháp thị giác trong kho mã sẽ thay đổi phép so sánh từ "lựa chọn thay thế văn bản" thành "đối thủ trực tiếp" chỉ qua một đêm.

Cho đến khi một trong số đó xuất hiện, điều hữu ích nhất mà trang này có thể nói lại là điều kém thú vị nhất: Gemma có bảng thông số kỹ thuật đã được đo đạc và mức giá cập nhật, LBS có một dòng giấy phép, và khoảng cách giữa chúng không phải là khoảng cách về chất lượng mà là khoảng cách về bằng chứng.