BenchLeader

Gemma 4 26B A4B

推理强度
质量第 92 / 339 名
56.1Index
高于中位数
较中位数 +5.9
价格第 55 / 255 名
$0.262每百万 token
最便宜的四分之一
中位数的 0.3 倍
速度第 120 / 216 名
76token/秒
低于中位数
中位数的 0.9 倍
性价比第 46 / 255 名
214.1分/$
前四分之一
中位数的 3.9 倍

性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,便宜 47%。

有 5 个更便宜的已排名模型得分更高:GLM 5.3 Flash (57.8, $0.238)、Claude Haiku 5.5 (56.7, $0.200)、MiMo-V2.5 (56.3, $0.138),另有 2 个。

截至 2026年11月16日,Gemma 4 26B A4B(Google)在 BenchLeader Index 上得分 56.1(共 608 个已排名配置)。表现最好的是数学(65),最弱的是编程(44)。API 价格为输入每百万 token $0.150、输出每百万 token $0.600(按 3:1 混合为 $0.262),为 2026年11月16日的标价。输出速度约为 76 token/秒(OpenRouter)。发布于 2026年4月2日。

要点(截至 2026年11月16日)

  • Gemma 4 26B A4B 的 API 价格为输入每百万 token $0.150、输出每百万 token $0.600(按 3:1 混合为 $0.262)(标价,2026年11月16日)。
  • Gemma 4 26B A4B 的输出速度约为 76 token/秒(OpenRouter,2026年11月16日)。
  • Gemma 4 26B A4B 于 2026年4月2日发布(Google)。

详细说明:Gemma 4 26B A4B 是 Google 的开放权重模型,发布于 2026年4月2日。其最佳配置在 BenchLeader Index 上得分 56.1 ±7.7,在 608 个配置中排第 194 名,处于上半区。关键在于这个“±”:另有 356 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,数学得分最高(65),编程最低(44)。按混合价格计,每百万 token $0.262,比大多数已排名模型便宜。输出速度为 76 token/秒,首 token 延迟 0.4 秒,比大多数模型慢。它已在 4 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。

混合价格
$0.262/M
输入 $0.150 · 输出 $0.600
来源:models.dev
输出速度
76 tok/s
OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
首次回答
0.41 s
上下文
262k
来源:models.dev
单任务成本
–
单任务 token 数
–
发布日期
2026年4月2日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index56
  2. 推理62
  3. 编程44
  4. 数学65
  5. 人类偏好62
  6. 多模态59

嵌入这个排名

更多徽章样式
[![Gemma 4 26B A4B on BenchLeader: 综合第 92 名](https://www.benchleader.com/badge/gemma-4-26b-a4b.svg?style=compact)](https://www.benchleader.com/models/gemma-4-26b-a4b)

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。

Google 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
无推理––69 tok/s1.63 s$0.0002智能体与工具 56 · 指令遵循 47 · 长上下文 45 · 多模态 49
minimal––76 tok/s0.41 s$0.0002数学 59 · 推理 53
thinking50.9#32773 tok/s24 s$0.0001智能体与工具 42 · 指令遵循 71 · 长上下文 57 · 多模态 51 · 推理 36
未说明最佳56.1#19476 tok/s0.41 s$0.0002编程 44 · 人类偏好 62 · 数学 65 · 多模态 59 · 推理 62

Index 走势

2026年9月8日 至 2026年11月16日
435465
  • 默认
  • thinking

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

基准测试无推理thinking来源趋势
AA Openness Index不计入 Index38.9#15538.9#155Artificial Analysis

推理

基准测试无推理minimalthinking默认来源趋势
GPQA Diamond–73.2%#170––Epoch AI Benchmarking Hub
Arena Hard Prompts推理强度未说明–––1461#97Arena (LMArena)
GPQA Diamond (AA)不计入 Index71.4%#292–79.2%#203–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index11.5%#311–19.3%#239–Artificial Analysis
HLE-Diamond (AA)––6.2%#140–Artificial Analysis
CritPt不计入 Index0.0%#337–0.0%#337–Artificial Analysis
Arena Expert不计入 Index推理强度未说明–––1476#84Arena (LMArena)
LMCA不计入 Index推理强度未说明–––29.7%#143Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明–––74.9%#158Epoch AI Benchmarking Hub

编程

基准测试thinking默认来源趋势
SciCode推理强度未说明–40.0%#180SciCode
WeirdML推理强度未说明–35.2%#129WeirdML
Arena Coding推理强度未说明–1483#109Arena (LMArena)
Arena WebDev推理强度未说明–1359#117Arena (LMArena)
SciCode (AA)不计入 Index40.0%#191–Artificial Analysis
ALE-Bench不计入 Index推理强度未说明–927.2#74Epoch AI Benchmarking Hub
Terminal-Bench 2.1 (AA)不计入 Index39.0%#144–Artificial Analysis

智能体与工具

基准测试无推理thinking默认来源趋势
Terminal-Bench Hard25.0%#14113.6%#206–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index40.4%#22743.6%#218–Artificial Analysis
GDPval-AA v2.1, normalised score不计入 Index–3.3%#118–Artificial Analysis
GDPval-AA v2.1不计入 Index–573#232–Artificial Analysis
τ³-Banking (AA)–12.0%#137–Artificial Analysis
ITBench SRE (AA)不计入 Index–23.6%#38–Artificial Analysis
AutomationBench不计入 Index–1.9%#218–Artificial Analysis
AA-Briefcase v1.1不计入 Index–316#230–Artificial Analysis
FACTS Search不计入 Index推理强度未说明––66.4%#25Google

数学

基准测试minimal默认来源趋势
OTIS Mock AIME82.2%#119–Epoch AI Benchmarking Hub
Arena Maths推理强度未说明–1469#56Arena (LMArena)

知识

基准测试默认来源趋势
FACTS Parametric不计入 Index5.7%#27Google

指令遵循

基准测试无推理thinking默认来源趋势
IFBench45.4%#20772.5%#48–Artificial Analysis
Arena Instruction Following不计入 Index推理强度未说明––1438#82Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1437#101Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index1305#84EQ-Bench
Arena Creative Writing不计入 Index1400#110Arena (LMArena)
Arena Multi-turn不计入 Index1448#93Arena (LMArena)
Arena Longer Queries不计入 Index1447#98Arena (LMArena)

多模态

基准测试无推理thinking默认来源趋势
Arena Vision推理强度未说明––1260#55Arena (LMArena)
MMMU-Pro66.7%#18369.3%#166–Artificial Analysis
FACTS Multimodal不计入 Index推理强度未说明––39.5%#18Google

长上下文

基准测试无推理thinking默认来源趋势
AA-LCR v1.142.3%#37265.7%#265–Artificial Analysis
FACTS Grounding不计入 Index推理强度未说明––77.8%#5Google

综合

基准测试无推理thinking默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明––141.6#107Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index13.1#32416.7#279–Artificial Analysis
AA Progress Index v1不计入 Index219.1#354242.5#283–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
Makora138 tok/s0.41 s$0.090$0.280256k–
NovitaAI95 tok/s0.68 s$0.130$0.400262kbf16
Parasail83 tok/s0.55 s$0.130$0.400262kbf16
DekaLLM82 tok/s0.45 s$0.060$0.330262kbf16
NextBit82 tok/s0.39 s$0.068$0.225262kbf16
AkashML76 tok/s1.03 s$0.070$0.240131kfp4
SiliconFlow70 tok/s0.98 s$0.140$0.400262kfp8
io.net68 tok/s0.65 s$0.067$0.290262kbf16
Darkbloom59 tok/s0.37 s$0.040$0.150131k–
Venice53 tok/s0.83 s$0.130$0.400256kbf16
DeepInfra51 tok/s0.38 s$0.070$0.340262kfp8
Prime Intellect50 tok/s0.61 s$0.031$0.094262kbf16
Cloudflare46 tok/s0.68 s$0.100$0.300256k–
CoreWeave36 tok/s0.23 s$0.100$0.300262kbf16
Google Vertex36 tok/s2.41 s$0.150$0.600262k–

使用情况

Gemma 4 26B A4B 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商

OpenRouter,过去一周
#48
token 份额 0.25%
OpenRouter 每日 token 数(2026年11月2日 至 2026年11月15日):共 910B,环比上周 +34%。
Vercel AI Gateway 上的提供商吞吐量首 token在线率,1 天
Google Vertex121 tok/s0.65 s99.97%
Novita84 tok/s0.62 s100.00%
Parasail60 tok/s1.07 s99.97%

来源: 使用情况: OpenRouter 排名 · Vercel AI Gateway, CC BY 4.0 · 数据截至 2026年11月16日。

价格历史

上述价格(每百万 token)在每个变动日的数值。

$0.00$0.165$0.330$0.495$0.66026年9月26年10月26年11月
输入 输出
当前:输入 $0.150 · 输出 $0.600

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 $0.015。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$0.0002$0.00024.4 s
总结一份 30 页的报告12,000 / 600$0.0022$0.00098.3 s
代码编辑6,000 / 1,500$0.0018$0.001220.1 s
智能体编程会话60,000 / 4,000$0.011$0.005353.0 s
结构化信息提取2,000 / 200$0.0004$0.00023.0 s

Google 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Gemma 4 26B A4B 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。

[![Gemma 4 26B A4B on BenchLeader: 综合第 92 名](https://www.benchleader.com/badge/gemma-4-26b-a4b.svg)](https://www.benchleader.com/models/gemma-4-26b-a4b)

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 4 26B A4B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gemma-4-26b-a4b

BibTeX:

@misc{benchleader_gemma_4_26b_a4b_20261116,
  author       = {{BenchLeader}},
  title        = {{Gemma 4 26B A4B on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gemma-4-26b-a4b}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Gemma 4 26B A4B 的基准测试得分是多少?
截至 2026年11月16日,Gemma 4 26B A4B 的 BenchLeader Index 为 56.1 ±7.7。最强的是数学(65),最弱的是编程(44)。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 4 26B A4B 排名第几?
截至 2026年11月16日,Gemma 4 26B A4B 在 608 个已排名配置中排第 194 名。另有 356 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 4 26B A4B 每百万 token 的价格是多少?
截至 2026年11月16日,Gemma 4 26B A4B 的价格为输入每百万 token $0.150、输出每百万 token $0.600,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.262。标价最近一次变动是在 2026年11月8日。
Gemma 4 26B A4B 是什么时候发布的?
Google 于 2026年4月2日发布了 Gemma 4 26B A4B。BenchLeader 收录了它在 4 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Gemma 4 26B A4B: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-4-26b-a4b。