LBS-27B 對決 Gemma 4 26B A4B：一個空儲存庫得擊敗什麼
- Moonshot新MoonshotAI: Kimi K3.1 Pro2026-10-2455智能
- Orca新OrcaCyber: DeepSeek V4.1 Flash Abliterated2026-10-23$0.80 / $1.60 每百萬 tokens · 171 tok/s
- Orca新Orca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 43 tok/s
- deepseek新DeepSeek: DeepSeek V4.1 Flash 10172026-10-1745智能
- DeepSeek新DeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百萬 tokens · 129 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百萬 tokens · 995 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238智能
- OpenAIOpenAI: GPT-6 Sol2026-09-2248智能
- AnthropicAnthropic: Claude Opus 5.52026-09-2258智能
- xAIGrok 4.72026-09-2146智能
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 每百萬 tokens · 233 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 每百萬 tokens · 1906 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453智能77程式
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241智能76程式
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245智能76程式
- AnthropicAnthropic: Claude Fable 5.12026-09-0153智能82程式
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 每百萬 tokens · 46 tok/s
如果你的工作負載涉及影像、掃描頁面或螢幕截圖，那麼LBS-27B 與 Gemma 4 26B A4B 之間的比較就已經結束了。Gemma 4 26B A4B 可接受影像與視訊影格並回傳文字；LBS-27B 尚未以任何可執行形式存在，因此什麼都無法接受。這場對決其餘的一切，都只是在問 inclusionAI 的空倉庫可能變成什麼，而誠實的回答方式，是描述 Gemma 已立下的門檻，而不是假裝這兩個模型曾互相比較實測過。
這種不對稱就是整件事的重點。其中一個模型自 2026 年 3 月起就已在 Hugging Face 上，擁有 810 萬次下載、完整的評估表，以及已公布的價格。另一個則建立於 2026 年 10 月 26 日 05:36 UTC，內容只有授權標頭，別無其他。若並列比較時把兩者視為同等，那會是虛構。若能告訴你 LBS-27B 必須超越什麼的並列比較才有用，而以下就是這樣的內容。
帳冊中已知的一面
Gemma 4 26B A4B 是一個混合專家模型，總參數量為 252 億，每個 token 的活躍參數量為 38 億；它由 128 個專家組成，其中 8 個專家活躍，另有 1 個共享專家。它有 30 層、262,144 個 token 的詞彙表，以及 256K 上下文視窗。其注意力堆疊交替使用五層 1,024 個 token 的滑動視窗層，以及一層全注意力層，Google 藉此讓長上下文視窗的成本維持在可負擔的範圍。
它以特定而有限的方式具備多模態能力。它有一個約 5.5 億參數的視覺編碼器，可輸入圖像與影片幀，並輸出文字。此模型不支援音訊——音訊功能位於較小的 E2B、E4B 與 12B 變體上。其模型卡宣稱支援超過 140 種語言，其中約 35 種可開箱即用。授權為 Apache-2.0，訓練截止時間為 2025 年 1 月。
Google 模型卡上的基準測試表——由廠商自行通報、未經獨立重現——內容如下：MMLU Pro 82.6、GPQA Diamond 82.3、AIME 2026 在未使用工具下 88.3、LiveCodeBench v6 77.1、Codeforces ELO 1718、tau2 在三個測試套件上平均 68.2、MMMU Pro 73.8、MATH-Vision 82.4。表現較弱的列和強項一樣有參考價值：Humanity's Last Exam 在未使用工具下得分 8.7，搭配搜尋則為 17.2；而 MRCR v2 在 128K、八根針的設定下平均 44.1。256K 的上下文視窗並不代表模型能在 256K 範圍內良好檢索。
未知的一面，平實陳述
LBS-27B 是一個儲存庫、一份授權和一個名稱。該儲存庫建立於 2026 年 10 月 26 日，內含兩個檔案：一個標準的 .gitattributes，以及一個 28 位元組的 README，其全部內容就是這一行 license: apache-2.0。這裡沒有 config.json，沒有權重分片、沒有分詞器，也沒有模型卡。沒有任何下載紀錄，按讚數為零。我們在任何地方都找不到公告、論文或社群貼文。
對這項比較而言，這意味著很簡單：除了授權條款以外，每一列都是空白的。「27B」只是儲存庫名稱裡的一個字串，並非經過驗證的參數數量。其架構可能是稠密或稀疏。上下文長度可能任意。可能有、也可能沒有視覺編碼器。在設定檔出現之前，這些問題都沒有答案，任何把它們補齊的文章都是在憑空捏造。
這場對決實際上會在哪裡分出勝負
如果 LBS-27B 以 27B 等級模型推出，這些就是將它與 Gemma 4 26B A4B 區隔開來的維度。每一行都包含雙方，未知的部分會標示為「未知」，而不是留空。
• 總參數與啟用參數——Gemma 4 26B A4B 的總參數為 25.2B、啟用參數為 3.8B，為廠商提供之數據；LBS-27B 則是未經查證的 27B，且無啟用參數數字。
• 架構 — Gemma 使用 128 個專家，並採用 top-8 路由；LBS 未知，而稠密與稀疏之間的取捨是影響服務成本最關鍵的未知因素。
• 上下文視窗 — Gemma 為 262,144 個權杖；LBS 則未知。
• 模態 — Gemma 可接受文字、圖像與視訊幀輸入並輸出文字；LBS 則未知，而在視覺塔出現之前，純文字是基準情形。
• 授權 — Gemma 採用 Apache-2.0；LBS 宣稱採用 Apache-2.0，不過授權可能在權重釋出前變更。
• 價格 — 在 OrcaRouter 上，Gemma 每百萬輸入 token 為 0.06 美元、每百萬輸出 token 為 0.33 美元，上下文長度為 262,144 個 token；LBS 則沒有價格，因為根本沒有東西可供服務。
• 已發布的評估 — Gemma 有完整的廠商表格；LBS 則無。
決定經濟效益的數字：38 億
Gemma 名稱中的 A4B 是其中最重要的部分。每個 token 約有 38 億個活躍參數，這個模型以小型模型的運算量，承載著 25B 模型的知識。這就是為什麼它能以每百萬輸入 token 六美分的價格定價，卻仍能商業化提供服務，也是為什麼這個模型能在 dense 25B 模型難以應付的硬體上運行。
一個稠密的 27B 是截然不同的產品。它對每個 token 都會讀取每一個參數，因此其解碼成本會隨完整權重數量而增加。如果 LBS-27B 最終是稠密模型，它就無法在同等品質下與 Gemma 4 26B A4B 拼價格——它會是以更高價格來拼品質，而這在 2026 年是更難站得住腳的論點。如果它最終是稀疏模型、且激活參數數量很少，那麼這個比較就變得真實而有趣。
這就是為什麼第一個值得留意的可信憑據，並不是基準測試分數，而是設定檔裡的專家數量。LBS-27B 的商業形態，一切都由那一個欄位決定。
Vision 是一種工作負載類別，而非單一功能。
很容易把 Gemma 的圖像輸入當成一個核取方塊。實際上，它會改變模型究竟能承接哪些工作。文件擷取、螢幕截圖分流、圖表判讀、UI 回歸檢查、發票處理，以及與 OCR 相鄰的管線，都不是附上一張圖片的文字任務；它們是以圖像為輸入的任務。純文字模型無論基準測試分數多高，都無法踏入這些任務。
Gemma 的視覺評測成績相當不錯，但並非壓倒性領先：MMMU Pro 73.8、MATH-Vision 82.4，以及 OmniDocBench 1.5 的平均編輯距離 0.149，這些全都來自 Google 的資料卡。視覺 token 預算可選擇每張影像 70、140、280、560 或 1,120 個 token，讓你能在解析度與每次請求成本之間取捨——這項實務細節在生產環境中比排行榜上的分數更重要。
對 LBS-27B 而言，這個問題是二選一的。如果 inclusionAI 推出視覺塔，該模型就會進入相同的工作負載類別，比較也將變成品質與價格的較量。如果沒有，LBS-27B 就只能承接 Gemma 工作中涉及文字的那一半，決策也會變成路由問題，而非取代問題。
LBS-27B 必須清除什麼？
姑且假設權重真的釋出，而且這個模型是個足以勝任的 27B。若要在文字工作負載上值得從 Gemma 4 26B A4B 改用，它必須同時做到三件事。
首先，要在能經受測試框架差異的領先幅度上，超越 Gemma 廠商自報的項目。對於一個擁有 38 億活躍參數的模型來說，MMLU Pro 82.6、GPQA Diamond 82.3 與 AIME 2026 的 88.3 都是強勁數字，而在不同測試框架版本上領先兩分並不算領先。其次，要以可比的混合價格做到這一點。Gemma 每百萬輸出 $0.33 的價格是關鍵限制；稠密 27B 模型若輸出費率是其三到五倍，就需要大得多的品質差距才能證明自身合理。第三，要在 Gemma 明顯較弱的地方勝過它——長上下文檢索，Gemma 在 128K 的 MRCR v2 上得分 44.1，確實還有很大空間；或是工具使用，其 tau2 平均 68.2 不錯但並非卓越。
一個新 27B 模型最可能取勝的方式，並不是在各方面都擊敗 Gemma，而是在某一項高成本任務上明顯更強——長文件分析、代理式工具鏈，或 Gemma 覆蓋較薄弱的非英語語言——同時在其他方面僅保持競爭力。
價格、供應情況與實用答案
Gemma 4 26B A4B 今日已在 OrcaRouter 上提供，型號為 google/gemma-4-26b-a4b-it，具備 262,144 個 token 的上下文，價格為每百萬輸入 token 0.06 美元、每百萬輸出 token 0.33 美元。由於 OrcaRouter 以 0% 加價直接反映供應商牌價，Google 或其託管合作夥伴所做的任何價格變更，都會在當天反映在我們這邊，而不是等到下一個計費週期。平台上還有第二個 Gemma 4 26B A4B 上架項目，費率較高；在你以為最便宜的那一項是唯一選擇之前，這點值得留意。
LBS-27B 不在 OrcaRouter 上，我們也不會假裝它在。目前沒有可供服務的權重。如果未來情況有變，評估它的明智做法不是整體遷移，而是分流：透過同一組 API 金鑰，把一部分流量導向新模型，並保留 Gemma 作為備援，再用你自己的輸入來比較。自動容錯轉移讓這件事安全，這是直接整合做不到的，因為模型表現不佳或無法使用時，會降級到已知可用的模型，而不是讓請求失敗。
誰應該行動，誰應該等待
這週如果你需要一個便宜、具備長上下文與寬鬆授權的多模態模型，Gemma 4 26B A4B 就是答案，而 LBS-27B 根本不在考慮範圍內。這不是在貶低 inclusionAI；這只是一個空儲存庫所代表的意思。
如果你正在關注 27B 級別、想找一款純文字主力模型，而且等得起，那麼最該留意的是設定檔。採用稀疏架構且啟用參數量少，會讓 LBS-27B 成為 Gemma 真正的價格競爭者。若是稠密架構，則會讓它以更高的成本打品質牌。而儲存庫中若出現視覺塔，將在一夜之間讓這項比較從「文字替代方案」變成「直接對手」。
在這些出現之前，這頁能說的最有用的話，恰恰是最不刺激的那句：Gemma 有實測的規格表與即時價格，LBS 只有一行授權聲明，而兩者之間的落差不是品質上的落差，而是證據上的落差。
