LBS-27B 对比 Gemma 4 26B A4B：一个空仓库必须击败什么

如果你的工作负载涉及图像、扫描页或截图，那么LBS-27B与Gemma 4 26B A4B之间的比较已经结束了。Gemma 4 26B A4B 可接受图像和视频帧并返回文本；LBS-27B 尚未以任何可运行形式存在，因此它不接受任何内容。这场对决中的其余一切，都是在问 inclusionAI 的空仓库可能会变成什么，而诚实回答这个问题的方式，是描述 Gemma 已经设定的门槛，而不是假装这两个模型已经相互评测过。

这种不对称本身就是全部关键。其中一个模型自2026年3月起就已在 Hugging Face 上，下载量达810万次，配有完整的评估表和已公布的价格。另一个则创建于2026年10月26日05:36 UTC，仅包含一个许可证头，别无其他。把二者并排视作同等对象，那会是虚构。而告诉你 LBS-27B 需要超越什么，这样的并排对比才是有用的，以下就是。

账簿中已知的一面

Gemma 4 26B A4B 是一个混合专家模型，总参数为 252 亿，每个 token 激活 38 亿参数；它从 128 个专家中选用 8 个激活专家，外加 1 个共享专家。该模型有 30 层，词表大小为 262,144 个 token，上下文窗口为 256K。其注意力堆栈交替采用五个窗口大小为 1,024 个 token 的滑动窗口层和一个全注意力层，这正是 Google 让长上下文窗口保持低成本的方式。

它以特定且有限的方式具备多模态能力。它包含一个约5.5亿参数的视觉编码器，支持图像和视频帧输入，并输出文本。此模型不支持音频——音频功能存在于更小的 E2B、E4B 和 12B 变体上。模型卡声称支持 140 多种语言，其中约 35 种开箱即用。许可证为 Apache-2.0，训练截止时间为 2025 年 1 月。

谷歌模型卡上的基准测试表——由厂商报告、未经独立复现——如下：MMLU Pro 82.6，GPQA Diamond 82.3，AIME 2026 无工具 88.3，LiveCodeBench v6 77.1，Codeforces ELO 1718，在三个套件上取平均的 tau2 68.2，MMMU Pro 73.8，MATH-Vision 82.4。弱项行与强项行同样有信息量：Humanity's Last Exam 在无工具时得 8.7，使用搜索时得 17.2；MRCR v2 在 128K 上下文、八针检索下平均为 44.1。256K 窗口并不意味着模型能在 256K 范围内良好检索。

未知的一面，直白陈述

LBS-27B 是一个仓库、一份许可证和一个名称。该仓库创建于 2026 年 10 月 26 日，包含两个文件：一个标准的 .gitattributes，以及一个 28 字节的 README，其全部内容就是这一行 license: apache-2.0。没有 config.json，没有权重分片，没有分词器，也没有模型卡。没有记录的下载量，点赞数为零。我们在任何地方都找不到公告、论文或社交帖子。

这对本次比较意味着什么很简单：除了许可证之外，每一行都是空白。“27B”只是仓库名称中的一个字符串，并非经过验证的参数数量。架构可能是稠密或稀疏的。上下文长度可能是任意值。可能有视觉编码器，也可能没有。在配置文件出现之前，这些问题都没有答案，任何把它们补全的文章都是在凭空编造。

这场对决实际上会在哪里分出胜负

如果 LBS-27B 以 27B 级模型的形式推出，那么以下这些维度将把它与 Gemma 4 26B A4B 区分开来。每一行都涵盖双方，未知项会标注为“未知”，而不是留空。

• 总参数与激活参数——Gemma 4 26B A4B 为 25.2B 总参数、3.8B 激活参数，数据来自厂商报告；LBS-27B 为未经核实的 27B，且未提供激活参数数值。

• 架构 — Gemma 使用 128 个专家，采用 top-8 路由；LBS 尚不清楚，而密集与稀疏是影响服务成本的最关键未知因素。

• 上下文窗口——Gemma 为 262,144 个 token；LBS 未知。

• 模态——Gemma 支持文本、图像和视频帧输入并输出文本；LBS 的情况未知，而在视觉塔出现之前，纯文本是基础情形。

• 许可证 — Gemma 采用 Apache-2.0；LBS 声明采用 Apache-2.0，不过在权重发布前许可证仍可能变更。

• 价格 — 在 OrcaRouter 上，Gemma 的输入 token 价格为每百万 $0.06，输出 token 价格为每百万 $0.33，上下文长度为 262,144 个 token；LBS 没有价格，因为没有任何内容可供服务。

• 已发布的评估——Gemma 有完整的厂商表格；LBS 则没有。

决定经济性的数字：38亿

Gemma 名称中的 A4B 是其中最重要的部分。该模型每个 token 大约有 38 亿活跃参数，以小型模型的计算量承载了 25B 模型的知识。因此，它可以定价为每百万输入 token 六美分，并且仍能以商业方式提供服务；也正是因此，该模型能在稠密 25B 模型难以应对的硬件上运行。

一个稠密的27B是另一种产品。它为每个token都要读取全部参数，因此其解码成本会随完整权重数量线性增长。如果LBS-27B最终被证实是稠密模型，那么它在同等质量下无法在价格上与Gemma 4 26B A4B竞争——它将是在更高价格上以质量竞争，而这在2026年是一个难得多的论点。如果它最终被证实是稀疏模型且激活参数量很小，那么这一比较就会变得真实且有趣。

这就是为什么第一个值得关注的可信依据不是基准分数，而是配置文件中的专家数量。LBS-27B 在商业上的一切形态，都源自那一个字段。

视觉是一类工作负载，而非一项功能

很容易把 Gemma 的图像输入当成一个勾选项。实际上，它改变了模型究竟能承担哪些工作。文档提取、截图筛选、图表读取、UI 回归检查、发票处理以及与 OCR 相邻的流水线，并不是附带图片的文本任务；它们是以图片为输入的任务。纯文本模型无论基准分数多高，都无法进入这些任务。

Gemma 的视觉指标相当可观，但算不上占据主导：MMMU Pro 73.8、MATH-Vision 82.4，以及 OmniDocBench 1.5 的平均编辑距离 0.149，均来自 Google 的模型卡。视觉 token 预算可按每张图像 70、140、280、560 或 1,120 个 token 进行选择，这让你能在分辨率与每次请求的成本之间权衡——这一实用细节在生产环境中比排行榜上的一个分数更重要。

对 LBS-27B 而言，这个问题是非此即彼的。如果 inclusionAI 推出视觉塔，该模型就会进入同一工作负载类别，比较也就变成一场质量与价格的较量。如果它没有推出，LBS-27B 就只能承担 Gemma 工作中文本的那一半，而决策也就变成路由问题，而非替换问题。

LBS-27B 必须通过什么

姑且假设权重真的到位，而且这个模型是个合格的 27B。要在文本工作负载上值得从 Gemma 4 26B A4B 切换过去，它需要同时做到三件事。

首先，要在 Gemma 厂商报告的各项指标上取得足以经受测试框架差异的优势。对于一个拥有 3.8B 激活参数的模型来说，MMLU Pro 82.6、GPQA Diamond 82.3 和 AIME 2026 的 88.3 都是很强的数字，而在不同测试框架版本上领先两点并不算领先。其次，要在可比综合价格下做到这一点。Gemma 每百万输出价格 $0.33 是硬性约束；一个密集 27B 模型若输出价格是其三到五倍，就需要大得多的质量差距才能证明自身合理。第三，要在 Gemma 明显薄弱的方面击败它——长上下文检索，Gemma 在 128K 下 MRCR v2 的 44.1 留有真正空间；或工具使用，其 tau2 平均 68.2 不错但并非卓越。

一个新的 27B 模型最有可能取胜的方式，并不是在所有方面都击败 Gemma。而是在一项高成本任务上明显更强——长文档分析、智能体工具链，或 Gemma 覆盖较薄弱的非英语语言——同时在其余方面仅保持有竞争力。

价格、供货情况与实际答案

Gemma 4 26B A4B 现已在 OrcaRouter 上线，模型为google/gemma-4-26b-a4b-it，上下文长度为 262,144 个 token，定价为每百万输入 token $0.06、每百万输出 token $0.33。由于 OrcaRouter 以 0% 加价按提供商标价直通，Google 或其托管合作伙伴的任何价格变动都会当天反映在我们这边，而不是等到下一个计费周期。平台上还有第二个 Gemma 4 26B A4B 的上架条目，费率更高；在你认定最便宜的那一行是唯一选择之前，这一点值得了解。

LBS-27B 不在 OrcaRouter 上，我们也不会假装它在。没有可供服务的权重。如果情况有变，明智的评估方式不是整体迁移，而是分流：通过同一个 API key 将一部分流量路由到新模型，保留 Gemma 作为回退，并用自己的输入进行比较。自动故障转移能让这种做法具备直接集成所没有的安全性，因为模型表现不佳或不可用时，它会降级到已知模型，而不是让请求失败。

谁该行动，谁该等待

如果你本周需要一款价格低廉、支持长上下文且许可证宽松的多模态模型，那么答案就是 Gemma 4 26B A4B，而 LBS-27B 根本不在考虑之列。这并不是在贬低 inclusionAI；这只是空仓库所意味着的事情。

如果你关注的是 27B 级别的纯文本主力模型，并且等得起，那么真正值得看的是配置文件。采用激活参数较少的稀疏架构，会让 LBS-27B 成为 Gemma 在价格上的真正竞争者；采用稠密架构，则会让它以更高成本主打质量。而仓库里若出现视觉塔，比较就会一夜之间从“文本替代方案”变成“直接竞争对手”。

在这些内容出现之前，本页能说的最有用的东西恰恰最不令人兴奋：Gemma 有一份经过实测的规格表和实时价格，LBS 有一行许可证信息，而二者之间的差距不是质量上的差距，而是证据上的差距。