Análisis de inteligencia, rendimiento y precio de Gemma 4 E4B
Resumen del modelo
Rendimiento
Gemma 4 E4B (Reasoning) está entre los modelos menos inteligentes en comparación con otros modelos de pesos abiertos y tamaño similar. El modelo admite entrada de texto, imágenes, voz y video, genera texto y tiene una ventana de contexto de 128k tokens.
Gemma 4 E4B (Reasoning) obtiene 5 puntos en el Artificial Analysis Intelligence Index, lo que lo sitúa en el extremo inferior entre modelos comparables (con una mediana de 10). Al evaluar el Intelligence Index, generó 17.5M tokens, lo que es muy conciso frente a la mediana de 85.7M.
| Modalidad de entrada | Admite: texto, imágenes, voz y video |
|---|---|
| Modalidad de salida | Admite: texto |
| Ventana de contexto | 128k ~192 páginas A4 con fuente Arial de 12 puntos |
| Parámetros totales | 8B |
| Parámetros activos | 4.5B Número de parámetros activos por token durante la inferencia |
| Licencia | Apache 2.0 |
| Pesos del modelo | Hugging Face |
Las métricas se comparan con modelos de la misma clase:
- Modelos sin razonamiento → se comparan solo con otros modelos sin razonamiento
- Modelos de razonamiento → se comparan tanto con modelos de razonamiento como sin razonamiento
- Modelos de pesos abiertos → se comparan solo con otros modelos de pesos abiertos de la misma categoría de tamaño:
- Muy pequeño: ≤4B parámetros
- Pequeño: 4B–40B parámetros
- Mediano: 40B–150B parámetros
- Grande: >150B parámetros
- Modelos propietarios → se comparan con modelos propietarios y de pesos abiertos del mismo rango de precio mediante una proporción combinada de precios de entrada/salida de 3:1:
- <$0.15 por 1 M de tokens
- $0.15–$1 por 1 M de tokens
- >$1 por 1 M de tokens
Tiempo por tarea
Inteligencia
Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index: pesos abiertos vs. propietarios
Intelligence Index vs. costo por tarea
Índices de capacidades
Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better
Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better
Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better
Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better
Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better
Evaluations
Agentic knowledge work, Elo
Knowledge
1 - hallucination rate
Agentic SaaS workflows
Agentic scientific research workflows in a terminal
Agentic software engineering in open-source repositories
Reasoning & knowledge
Professional document reasoning, All-pass
Agentic coding & terminal use
Physics reasoning
Agentic real-world work tasks, Elo
Visual reasoning
Openness Index
Artificial Analysis Openness Index: puntuación
Costo
Costo por tarea del Intelligence Index
Costo de ejecutar el Artificial Analysis Intelligence Index
Precios: aciertos de caché, entrada y salida
Uso de tokens
Tokens de salida por tarea del Intelligence Index
Ventana de contexto
Ventana de contexto
Tamaño del modelo (solo modelos de pesos abiertos)
Tamaño del modelo: parámetros totales y activos
Más detalles
Preguntas frecuentes
Preguntas comunes sobre Gemma 4 E4B
Gemma 4 E4B se lanzó el 3 de abril de 2026.
Gemma 4 E4B fue creado por Google.
Gemma 4 E4B tiene 2 niveles de esfuerzo: reasoning y non-reasoning. Gemma 4 E4B obtiene 5 (reasoning) puntos en el Artificial Analysis Intelligence Index. Gemma 4 E4B (Reasoning) se sitúa en el extremo inferior entre otros modelos de pesos abiertos y tamaño similar (mediana: 10).
Al evaluarlo en el Intelligence Index, Gemma 4 E4B generó 17.5M tokens de salida (reasoning). En tokens de salida, Gemma 4 E4B (Reasoning) obtiene un valor muy por debajo del promedio frente a otros modelos de pesos abiertos y tamaño similar (mediana: 85.7M).
Sí, Gemma 4 E4B (Reasoning) es un modelo de razonamiento. Usa pensamiento extendido o razonamiento en cadena para resolver problemas complejos antes de dar una respuesta. No, Gemma 4 E4B (Non-reasoning) no es un modelo de razonamiento. Responde directamente sin razonamiento extendido en cadena.
Gemma 4 E4B admite entrada de texto, imágenes, voz y video.
Gemma 4 E4B admite salida de texto.
Sí, Gemma 4 E4B admite imágenes como entrada y puede analizarlas, describirlas y responder preguntas sobre ellas.
Sí, Gemma 4 E4B es multimodal. Puede procesar entradas de texto, imágenes, voz y video y generar salidas de texto.
Gemma 4 E4B tiene una ventana de contexto de 128k tokens. Esto determina cuánto texto e historial de conversación puede procesar el modelo en una sola solicitud.
Sí, Gemma 4 E4B es un modelo de pesos abiertos. Los pesos del modelo están disponibles públicamente y pueden descargarse para alojarlo por cuenta propia.
Gemma 4 E4B tiene 8B parámetros (4.5B activos).
Gemma 4 E4B es un modelo de mezcla de expertos (MoE) con 8B parámetros totales, pero durante la inferencia solo usa 4.5B parámetros activos.
Gemma 4 E4B se publica bajo la licencia Apache 2.0, que permite el uso comercial. Ver licencia
Gemma 4 E4B obtiene 5 (reasoning) puntos en el Artificial Analysis Intelligence Index. Este benchmark compuesto evalúa los modelos en trabajo del conocimiento, programación, ciencia y conocimiento general.
Gemma 4 E4B es un modelo de pesos abiertos que puede alojarse por cuenta propia. Ver proveedores
Gemma 4 E4B es un modelo de pesos abiertos que puede descargarse y alojarse por cuenta propia. Comparar proveedores