This model is deprecated. We only continue performance benchmarking for the default 10k input token workload. Results for other workloads are historical and no longer updated.

Google has launched a newer model, Gemma 4 E4B. We suggest considering it instead.

For more information, see comparison of Gemma 4 E4B to other models and API provider benchmarks for Gemma 4 E4B.

Gemma 3n E4B Instruct logo
Google
•

Open weights model

•

Released June 2025

Gemma 3n E4B Instruct Benchmarks y análisis de proveedores de API

Comparación de modelos

Análisis de proveedores de API para Gemma 3n E4B Instruct en métricas de rendimiento como latencia (tiempo hasta el primer token), velocidad de salida (tokens de salida por segundo), precio y otras. Los proveedores de API medidos incluyen Together AI.

Más rápido

#1
Together AITogether AI
52.1 t/s

Velocidad de salida

1 proveedor en total

Menor latencia

#1
Together AITogether AI
1.51 s

Tiempo hasta el primer token

1 proveedor en total

Menor precio

#1
Together AITogether AI
$0.07

Precio combinado (por 1M de tokens)

1 proveedor en total

Gemma 3n E4B está disponible a través de Together AI.

Aspectos destacados

Velocidad

Output tokens per second · Higher is better

Tiempo de respuesta de extremo a extremo

Seconds · Lower is better

Precio

USD per 1M tokens (blended) · Lower is better

Precios

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens) · Lower is better · 10,000 input 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.

Pricing: Blended Price

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended) · Lower is better

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).

Output Speed vs. Price

Blended at 7:2:1 (cache-input-output) · Output speed: output tokens per second · USD per 1M tokens (blended)
Most attractive quadrant

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Velocidad

Medida por la velocidad de salida (tokens por segundo)

Output Speed: Gemma 3n E4B Instruct

Output speed: output tokens per second · 10,000 input tokens

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Latency vs. Output Speed

Latency: seconds to first token received · Output speed: output tokens per second · 10,000 input tokens
Most attractive quadrant

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Latencia

Medida por el tiempo (segundos) hasta el primer token

Tiempo hasta el primer token

Seconds to first token received · Lower is better · 10,000 input tokens

Time to first token received, in seconds, after API request sent. For reasoning models which share reasoning tokens, this will be the first reasoning token. For models which do not support streaming, this represents time to receive the completion.

Figures represent median (P50) measurement over the past 72 hours to reflect sustained changes in performance.

Tiempo de respuesta de extremo a extremo

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

Tiempo de respuesta de extremo a extremo

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better · 10,000 input tokens

Seconds to receive a 500 token response. Key components:

  • Input time: Time to receive the first response token
  • Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
  • Answer time: Time to generate 500 output tokens, based on output speed

Métricas clave de comparación y funciones de API

Logo de Together AITogether AI
32.8k
Abierto
--
55
1.46
10.49
--

Preguntas frecuentes

Preguntas comunes sobre los proveedores de Gemma 3n E4B Instruct

Gemma 3n E4B Instruct está disponible a través de 1 proveedor de API: Together AI. Cada proveedor ofrece distintas características de rendimiento y precios.

Gemma 3n E4B Instruct está disponible actualmente a través de 1 proveedor de API que medimos y monitoreamos.

El proveedor más rápido para Gemma 3n E4B Instruct por velocidad de salida es Together AI (52.1 t/s). La velocidad de salida mide qué tan rápido se generan tokens después de que el modelo comienza a responder.

El proveedor con el menor tiempo hasta el primer token para Gemma 3n E4B Instruct es Together AI (1.51s). Una menor latencia significa una respuesta inicial más rápida.

El proveedor más económico para Gemma 3n E4B Instruct por precio combinado es Together AI ($0.07 por 1M de tokens). El precio combinado usa una proporción 7:2:1 de aciertos de caché/entrada/salida.

El proveedor con el menor precio de tokens de entrada para Gemma 3n E4B Instruct es Together AI ($0.06 por 1M de tokens de entrada).

El proveedor con el menor precio de tokens de salida para Gemma 3n E4B Instruct es Together AI ($0.12 por 1M de tokens de salida).

El único proveedor de Gemma 3n E4B Instruct admite el modo JSON para salida estructurada.

Together AI lidera en todas las métricas clave para Gemma 3n E4B Instruct, con la mayor velocidad, la menor latencia y los precios más competitivos.

Al elegir un proveedor para Gemma 3n E4B Instruct, considera: velocidad de salida (para tareas intensivas en rendimiento), latencia (para aplicaciones interactivas que requieren primeras respuestas rápidas), precios (para cargas de trabajo sensibles al costo) y funciones de API como el modo JSON o las llamadas a funciones.

Sí, el rendimiento de un proveedor puede variar con el tiempo debido a cambios de infraestructura, balanceo de carga y actualizaciones. Medimos continuamente a todos los proveedores y mostramos las tendencias históricas de rendimiento en los gráficos "a lo largo del tiempo".

Para información sobre la inteligencia, las capacidades, las modalidades de Gemma 3n E4B Instruct y cómo se compara con otros modelos, consulta la página de resumen del modelo. Ver resumen del modelo