#28

Gemma 4 26B A4B

Google प्रकाशन: 2026-04-03 चाचणी तारीख: 2026-04-22 21:39 google/gemma-4-26b-a4b-it::medium

25.2B एकूण (3.8B सक्रिय)MoEमुक्त स्रोत

(medium) (none)

सारांश

Gemma 4 26B A4B AI BENCHY वर 8.0 स्कोर करते आणि #28 वर आहे. याची reliability लागू नाही, pass rate 75.9%, एकूण खर्च $0.028, आणि सरासरी response time 25.03s आहे.

Gemma 4 26B A4B खास का आहे: या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

जाहीर केलेले

पॅरामीटर्स: 25.2B एकूण (3.8B सक्रिय)
आर्किटेक्चर: MoE
उपलब्धता: मुक्त स्रोत
परवाना: Apache-2.0

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

8.0

सुसंगतता

9.0

विश्वसनीयता

लागू नाही

एकूण खर्च (सध्याची किंमत)

$0.028

एकूण आउटपुट टोकन्स

60,559

एकूण इनपुट टोकन्स

इनपुट किंमत

$0.070 / 1M

आउटपुट किंमत

$0.340 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 5

प्रति प्रयत्न पास दर: 75.9%

अस्थिर चाचण्या

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

25.03s

प्रतिसाद वेळ (कमाल): 147.47s

प्रतिसाद वेळ (एकूण): 425.48s

वेळ संपला: 2 चुकीचे उत्तर: 2 सूचनांचे पालन केले नाही: 1

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#28 Gemma 4 26B A4B

medium

अवैध SVG

खर्च: $0.000
वेळ: 300.0s
टोकन्स: 0 tok

रन इतिहास

चाचणी तारीख	स्कोअर	विश्वसनीयता	एकूण खर्च	तुलना करा
2026-08-14 02:53 पुन्हा चाचणी	6.8	10.0	$0.111 ↑	तुलना करा
2026-07-16 23:43 नवीन चाचणी जोडली	6.6	9.4	$0.082 ↓	तुलना करा
2026-06-04 14:22 नवीन चाचणी जोडली	7.6	8.9	$0.045 ↓	तुलना करा
2026-05-22 00:42 सूट बदलला	7.5	10.0	$0.045	तुलना करा
2026-04-22 21:39 पहिली नोंदलेली रन	8.0	लागू नाही	$0.028	सध्याची रन

रन तुलना

रन	बेंचमार्क कव्हरेज	स्कोअर	सुसंगतता	विश्वसनीयता	बरोबर चाचण्या	अस्थिर चाचण्या	एकूण आउटपुट टोकन्स	एकूण इनपुट टोकन्स	एकूण खर्च	प्रतिसाद वेळ (सरासरी)
2026-04-22 21:39 · पहिली नोंदलेली रन	54/54 प्रयत्न	8.0	9.0	लागू नाही	13/18	2	60,559	0	$0.028	25.03s
2026-06-04 14:22 · नवीन चाचणी जोडली	63/63 प्रयत्न	7.6	9.2	8.9	14/21	2	128,490	40,252	$0.045	63.41s
फरक	—	+0.5	-0.2		-1	0	-67931	-40252	-$0.017	-38386ms

बेंचमार्क कव्हरेज वेगळे आहे: 54/54 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 63/63 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती). एकूण मूल्ये आणि पुनरावृत्तीवर अवलंबून मेट्रिक्स थेट तुलना करता येत नाहीत.

या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

श्रेणीवार तपशील

श्रेणी	स्कोअर	सुसंगतता
अँटी-एआय युक्त्या	10.0	10.0
कोडिंग	2.8	10.0
संयुक्त	9.6	10.0
डेटा पार्सिंग आणि निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	2.9	4.4
Samanya Buddhimatta	10.0	10.0
सूचनांचे पालन	10.0	10.0
कोडी सोडवणे	7.9	9.6
टूल कॉलिंग	10.0	10.0

Gemma 4 26B A4B

मॉडेलची माहिती

Hamster playing table tennis

#28 Gemma 4 26B A4B

चार्ट्स

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर vs एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

श्रेणीवार तपशील

तुलना केलेली मॉडेल्स