Gemma 3 27B
性价比更高: Gemma 4 E4B $0.040/M 即可获得 Index 43.2,价格只有四分之一。
有 11 个更便宜的已排名模型得分更高:MiMo-V2.5 (56.3, $0.138)、GPT-5 nano (56.2, $0.138)、Ling 3.0 Flash (51.7, $0.115),另有 8 个。
截至 2026年11月16日,Gemma 3 27B(Google)在 BenchLeader Index 上得分 39.7(共 608 个已排名配置)。表现最好的是人类偏好(53),最弱的是长上下文(27)。API 价格为输入每百万 token $0.100、输出每百万 token $0.300(按 3:1 混合为 $0.150),为 2026年11月16日的标价。输出速度约为 38 token/秒(Artificial Analysis)。发布于 2025年3月12日。
要点(截至 2026年11月16日)
- Gemma 3 27B 的 API 价格为输入每百万 token $0.100、输出每百万 token $0.300(按 3:1 混合为 $0.150)(标价,2026年11月16日)。
- Gemma 3 27B 的输出速度约为 38 token/秒(Artificial Analysis,2026年11月16日)。
- Gemma 3 27B 于 2025年3月12日发布(Google)。
详细说明:Gemma 3 27B 是 Google 的开放权重模型,发布于 2025年3月12日。其最佳配置在 BenchLeader Index 上得分 39.7 ±5.2,在 608 个配置中排第 540 名,处于下半区。关键在于这个“±”:另有 168 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,人类偏好得分最高(53),长上下文最低(27)。按混合价格计,每百万 token $0.150,属于已排名模型中最便宜的五分之一。输出速度为 38 token/秒,首次回答需 3.7 秒,位于最慢的四分之一。最近一次测量:2026年11月11日。
- 混合价格
- $0.150/M
- 输入 $0.100 · 输出 $0.300
- 来源:models.dev
- 输出速度
- 38 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 3.66 s
- 首 token 0.75 s
- 上下文
- 131k
- 来源:LiteLLM price table
- 完整回答
- 55 s
- 最近一次测量 2026年11月13日
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2025年3月12日
- 综合 Index40
- 推理39
- 编程28
- 智能体与工具35
- 数学47
- 指令遵循36
- 人类偏好53
- 多模态38
- 长上下文27
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/gemma-3-27b)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
Google 以这个名称发布过 2 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Gemma 3 27B本页 | 2025年3月12日 | 39.7 | #540 |
| Gemma 2 27B | 2024年6月24日 | 40.8 | #521 |
Index 走势
2026年9月8日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
元数据
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Openness Index不计入 Index | 50#61 | Artificial Analysis |
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GPQA Diamond | 47.7%#236 | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts | 1367#209 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 42.8%#469 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 4.4%#530 | Artificial Analysis | |
| Kagi LLM Benchmark | 35.1%#118 | Kagi LLM Benchmark | |
| CritPt不计入 Index | 0.0%#337 | Artificial Analysis | |
| Arena Expert不计入 Index | 1339#221 | Arena (LMArena) | |
| LMCA不计入 Index | 12.3%#184 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index | 52.5%#213 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| SciCode | 23.3%#230 | SciCode | |
| Arena Coding | 1358#245 | Arena (LMArena) | |
| SciCode (AA)不计入 Index | 23.3%#242 | Artificial Analysis | |
| SWE-Bench Pro | 11.4%#21 | Scale AI SEAL | |
| Aider Polyglot | 4.9%#61 | Aider polyglot leaderboard | |
| Terminal-Bench 4.0 (AA)不计入 Index | 0.0%#186 | Artificial Analysis | |
| Terminal-Bench 2.1 (AA)不计入 Index | 4.5%#212 | Artificial Analysis | |
| LiveCodeBench (AA)不计入 Index | 13.7%#266 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Terminal-Bench Hard | 3.8%#303 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 10.5%#387 | Artificial Analysis | |
| BFCL Overall | 29.5%#51 | Berkeley Function Calling Leaderboard | |
| GDPval-AA v2.1不计入 Index | -401#310 | Artificial Analysis | |
| τ³-Banking (AA) | 0.8%#205 | Artificial Analysis | |
| AutomationBench不计入 Index | 0.2%#256 | Artificial Analysis | |
| GDP.pdf (AA)不计入 Index | 0.2%#254 | Artificial Analysis | |
| BrowseComp不计入 Index | 0.6%#29 | OpenAI |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| OTIS Mock AIME | 22.5%#232 | Epoch AI Benchmarking Hub | |
| MATH Level 5 | 74.0%#37 | Epoch AI Benchmarking Hub | |
| Arena Maths | 1323#216 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 20.7%#199 | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Global-MMLU-Lite (AA)不计入 Index | 76.4%#86 | Artificial Analysis |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 31.8%#353 | Artificial Analysis | |
| Arena Instruction Following不计入 Index | 1343#202 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1365#193 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 1266#88 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1348#177 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1358#195 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1366#199 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index | 79.9%#18 | Lech Mazur |
多模态
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Vision | 1164#110 | Arena (LMArena) | |
| MMMU-Pro | 48.0%#262 | Artificial Analysis | |
| GeoBench不计入 Index | 52.0%#36 | GeoBench |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 7.3%#500 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 127.5#150 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 4.8#626 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 160.1#531 | Artificial Analysis |
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| Parasail | 53 tok/s | 0.60 s | $0.080 | $0.450 | 131k | fp8 |
| Nebius Token Factory | 41 tok/s | 1.29 s | $0.100 | $0.300 | 110k | fp8 |
| NextBit | 31 tok/s | 0.48 s | $0.080 | $0.350 | 131k | fp8 |
| DeepInfra | 30 tok/s | 1.18 s | $0.080 | $0.160 | 131k | fp8 |
| DeepInfra | 29 tok/s | 1.52 s | $0.120 | $0.240 | 131k | fp8 |
| DeepInfra | 22 tok/s | 1.88 s | $0.064 | $0.128 | 131k | fp8 |
价格历史
上述价格(每百万 token)在每个变动日的数值。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.100。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0001 | $0.0001 | 11.5 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0014 | $0.0014 | 19.3 s |
| 代码编辑 | 6,000 / 1,500 | $0.0011 | $0.0011 | 42.8 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.0072 | $0.0072 | 1.8 min |
| 结构化信息提取 | 2,000 / 200 | $0.0003 | $0.0003 | 8.9 s |
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Gemma 3 27B 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/gemma-3-27b)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Gemma 3 27B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gemma-3-27b
BibTeX:
@misc{benchleader_gemma_3_27b_20261116,
author = {{BenchLeader}},
title = {{Gemma 3 27B on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/gemma-3-27b}},
note = {Data as of 2026-11-16}
}常见问题
- Gemma 3 27B 的基准测试得分是多少?
- 截至 2026年11月16日,Gemma 3 27B 的 BenchLeader Index 为 39.7 ±5.2。最强的是人类偏好(53),最弱的是长上下文(27)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Gemma 3 27B 排名第几?
- 截至 2026年11月16日,Gemma 3 27B 在 608 个已排名配置中排第 540 名。另有 168 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Gemma 3 27B 每百万 token 的价格是多少?
- 截至 2026年11月16日,Gemma 3 27B 的价格为输入每百万 token $0.100、输出每百万 token $0.300,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.150。标价最近一次变动是在 2026年9月11日。
- Gemma 3 27B 是什么时候发布的?
- Google 于 2025年3月12日发布了 Gemma 3 27B。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《Gemma 3 27B:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gemma-3-27b。