•

Open weights model

•

Released April 2026

Gemma 4 E4B: Analyse von Intelligenz, Leistung und Preis

Name: Intelligenz
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Ausprobieren

Verfügbare Anbieter

DeepInfra

Intelligenz

k. A.

Artificial Analysis Intelligence Index

Leistung

Zeit bis zum ersten Antworttoken 27.70sAusgabegeschwindigkeit 66 tok/s

k. A.

Zeit pro Aufgabe des Intelligence Index (Minuten)

Kosten

Eingabe $0.02Ausgabe $0.10

k. A.

Kosten pro Aufgabe des Intelligence Index

Ausführlichkeit

k. A.

Ausgabetokens im Intelligence Index

Gemma 4 E4B (Reasoning) unterstützt Text, Bilder, Sprache und Video als Eingabe und Text als Ausgabe. Das Kontextfenster umfasst 128k Tokens.

Der Preis für Gemma 4 E4B (Reasoning) beträgt $0.02 pro 1 Mio. Eingabetokens (preislich konkurrenzfähig; Median: $0.13) und $0.10 pro 1 Mio. Ausgabetokens (preislich konkurrenzfähig; Median: $0.30).

Eingabemodalität	Unterstützt: Text, Bilder, Sprache und Video
Ausgabemodalität	Unterstützt: Text
Kontextfenster	128k ~192 A4-Seiten in Arial mit Schriftgröße 12
Gesamtparameter	8B
Aktive Parameter	4.5B Anzahl der pro Token während der Inferenz aktiven Parameter
Lizenz	Apache 2.0
Modellgewichte	Hugging Face

Metriken werden mit Modellen derselben Klasse verglichen:

Modelle ohne Reasoning → Vergleich nur mit anderen Modellen ohne Reasoning
Reasoning-Modelle → Vergleich mit Reasoning-Modellen und Modellen ohne Reasoning
Modelle mit offenen Gewichten → Vergleich nur mit anderen Modellen mit offenen Gewichten derselben Größenklasse:

Sehr klein: ≤4B Parameter
Klein: 4B–40B Parameter
Mittel: 40B–150B Parameter
Groß: >150B Parameter

Proprietäre Modelle → Vergleich mit proprietären Modellen und Modellen mit offenen Gewichten derselben Preisklasse anhand eines Mischpreisverhältnisses von 3:1 für Eingabe/Ausgabe:

<$0.15 pro 1 Mio. Tokens
$0.15–$1 pro 1 Mio. Tokens
>$1 pro 1 Mio. Tokens

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

No publicly available API

Zeit pro Aufgabe

Inference time (minutes) per Intelligence Index task · Lower is better

No publicly available API

Kosten pro Aufgabe

Weighted average cost (USD) per Intelligence Index task · Lower is better

No publicly available API

Intelligenz

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Intelligence Index vs. Kosten pro Aufgabe

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Benchmarks

Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

AA-Briefcase v1.1

Agentic knowledge work, Elo

AutomationBench-AA

Agentic SaaS workflows

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

GDPval-AA v2.1

Agentic real-world work tasks, Elo

MMMU-Pro

Visual reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

Openness Index

Artificial Analysis Openness Index: Wert

Der Openness Index bewertet die Offenheit von Modellen auf einer normierten Skala von 0 bis 100 (höher bedeutet offener)

Kosten

Kosten pro Aufgabe des Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Preise: Cache-Treffer, Eingabe und Ausgabe

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Leistung

Gemessen an der Zeit pro Aufgabe (Minuten), der Ausgabegeschwindigkeit (Tokens pro Sekunde), der Zeit bis zum ersten Antworttoken und der Zeit bis zum ersten Token (Sekunden)

Zeit pro Aufgabe des Intelligence Index

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

The weighted average time (minutes) per Artificial Analysis Intelligence Index task: output tokens per task divided by output speed, weighted by each benchmark's weight in the Intelligence Index.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Ausgabegeschwindigkeit

Output tokens divided by total request time, including time to first token · Higher is better

Output tokens, including reasoning tokens, received per second over a request's full duration, from sending the request to receiving the final token. The headline value averages each Performance v3 workload over the past 5 days, then averages the workloads.

Zeit bis zum ersten Antworttoken

Sekunden bis zum ersten Antworttoken · Berücksichtigt die „Denkzeit“ von Reasoning-Modellen

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Kontextfenster

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Weitere Details

								Gewichte
Gemma 4 E4B (Reasoning)	Google	-	8B 4.5B während der Inferenz aktiv	128k	$0.028	-	66	🤗
Gemma 4 E4B (Non-reasoning)	Google	-	8B 4.5B während der Inferenz aktiv	128k	$0.028	-	58	🤗

Weitere Veröffentlichungen von Google

Häufig gestellte Fragen

Häufige Fragen zu Gemma 4 E4B

Gemma 4 E4B wurde am 3. April 2026 veröffentlicht.

Gemma 4 E4B wurde von Google entwickelt.

Gemma 4 E4B hat eine Zeit bis zum ersten Antworttoken von 27.70 s (reasoning) und 1.58 s (non-reasoning) (auf Grundlage des Medians aller Anbieter, die das Modell bereitstellen). Die Zeit bis zum ersten Antworttoken von Gemma 4 E4B (Reasoning) ist am oberen Ende im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe (Median: 4.65 s).

Gemma 4 E4B kostet $0.02 pro 1 Mio. Eingabetokens (sehr konkurrenzfähig; Median: $0.13) und $0.10 pro 1 Mio. Ausgabetokens (sehr konkurrenzfähig; Median: $0.30). Die Angaben basieren auf dem Median aller Anbieter, die das Modell bereitstellen.

Gemma 4 E4B kostet $0.02 pro 1 Mio. Eingabetokens und $0.10 pro 1 Mio. Ausgabetokens (auf Grundlage des Medians aller Anbieter, die das Modell bereitstellen). Bei einem Mischpreis mit einem Verhältnis von 7:2:1 für Cache-Treffer, Eingabe und Ausgabe entspricht dies $0.028 pro 1 Mio. Tokens. Der Preis kann je nach Anbieter variieren. Preise der Anbieter vergleichen

Ja, Gemma 4 E4B (Reasoning) ist ein Reasoning-Modell. Es nutzt längere Denkprozesse oder Chain-of-Thought-Reasoning, um komplexe Probleme zu bearbeiten, bevor es eine Antwort gibt. Nein, Gemma 4 E4B (Non-reasoning) ist kein Reasoning-Modell. Es antwortet direkt, ohne längeres Chain-of-Thought-Reasoning.

Gemma 4 E4B unterstützt Text, Bilder, Sprache und Video als Eingabe.

Gemma 4 E4B unterstützt Text als Ausgabe.

Ja, Gemma 4 E4B unterstützt Bildeingaben und kann Bilder analysieren, beschreiben und Fragen dazu beantworten.

Ja, Gemma 4 E4B ist multimodal. Es kann Text, Bilder, Sprache und Video als Eingabe verarbeiten und Text als Ausgabe erzeugen.

Gemma 4 E4B hat ein Kontextfenster von 128k Tokens. Es bestimmt, wie viel Text und Gesprächsverlauf das Modell in einer einzelnen Anfrage verarbeiten kann.

Ja, Gemma 4 E4B hat offene Gewichte. Die Modellgewichte sind öffentlich verfügbar und können zum Selbsthosten heruntergeladen werden.

Gemma 4 E4B hat 8B Parameter (4.5B aktiv).

Gemma 4 E4B ist ein Mixture-of-Experts-Modell (MoE) mit insgesamt 8B Parametern, von denen während der Inferenz jedoch nur 4.5B aktiv sind.

Gemma 4 E4B wird unter der Lizenz Apache 2.0 veröffentlicht. Diese Lizenz erlaubt die kommerzielle Nutzung. Lizenz anzeigen

Ja, Gemma 4 E4B ist über 1 Anbieter per API verfügbar. API-Anbieter vergleichen

Gemma 4 E4B ist über 1 API-Anbieter verfügbar. Anbieter vergleichen

Gemma 4 E4B: Analyse von Intelligenz, Leistung und Preis

Modellübersicht

Ausführlichkeit

Technische Spezifikationen

144 Modelle in dieser Klasse

Intelligenz

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. Kosten pro Aufgabe

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Openness Index

Artificial Analysis Openness Index: Wert

Kosten

Kosten pro Aufgabe des Intelligence Index

Cost per Intelligence Index Task

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Preise: Cache-Treffer, Eingabe und Ausgabe

Cache Hit

Leistung

Zeit pro Aufgabe des Intelligence Index

Time per Intelligence Index Task

Time Period

Ausgabegeschwindigkeit

End-to-End Output Speed

Zeit bis zum ersten Antworttoken

Time to First Answer Token

Kontextfenster

Kontextfenster

Context Window for RAG

Context Window

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Total Parameters

Active Parameters at Inference Time

Weitere Details

Weitere Veröffentlichungen von Google

Häufig gestellte Fragen

Wann wurde Gemma 4 E4B veröffentlicht?

Wer hat Gemma 4 E4B entwickelt?

Wie hoch ist die Latenz von Gemma 4 E4B?

Wie viel kostet Gemma 4 E4B?

Wie gestaltet sich der API-Preis von Gemma 4 E4B?

Ist Gemma 4 E4B ein Reasoning-Modell?

Welche Eingabemodalitäten unterstützt Gemma 4 E4B?

Welche Ausgabemodalitäten unterstützt Gemma 4 E4B?

Kann Gemma 4 E4B Bilder verarbeiten?

Ist Gemma 4 E4B multimodal?

Wie groß ist das Kontextfenster von Gemma 4 E4B?

Hat Gemma 4 E4B offene Gewichte?

Wie viele Parameter hat Gemma 4 E4B?

Was sind die aktiven Parameter von Gemma 4 E4B?

Unter welcher Lizenz steht Gemma 4 E4B?

Ist Gemma 4 E4B über eine API verfügbar?

Wo kann ich Gemma 4 E4B verwenden?