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 Results for other workloads are historical and no longer updated.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 3n E4B. We suggest considering it instead.

For more information, see comparison of Gemma 3n E4B to other models and API provider benchmarks for Gemma 3n E4B.

Google

•

Open weights model

•

Released 2025년 5월

Gemma 3n E4B Instruct Preview (May '25) 지능, 성능 및 가격 분석

사용해 보기 API 제공업체 벤치마크

지능Updated

Artificial Analysis Intelligence Index

속도

N/A

초당 출력 토큰 수

비용

입력 US$0.00출력 US$0.00

N/A

Intelligence Index 작업당 비용

장황성

N/A

Intelligence Index의 출력 토큰 수

크기가 비슷한 다른 비추론 오픈 웨이트 모델과 비교하면 Gemma 3n E4B Instruct Preview (May '25)의 지능은 평균보다 낮지만, 가격은 경쟁력 있는 수준입니다. 이 모델의 지원 입력은 텍스트, 음성 및 동영상, 출력은 텍스트이며, 컨텍스트 창은 32k토큰이고 학습 데이터 기준일은 2024년 8월입니다.

Gemma 3n E4B Instruct Preview (May '25)의 Artificial Analysis Intelligence Index 점수는 6점으로, 비교 가능한 모델 중 평균 이하입니다(중앙값: 6).

Gemma 3n E4B Instruct Preview (May '25)의 입력 토큰 100만 개당 가격은 $0.00(경쟁력 있는 가격, 중앙값: $0.04)이며, 출력 토큰 100만 개당 가격은 $0.00(경쟁력 있는 가격, 중앙값: $0.14)입니다.

추론	아니요 이 페이지에는 모델의 비추론 버전이 표시됩니다. 추론 버전도 있을 수 있습니다.
입력 모달리티	지원: 텍스트, 음성 및 동영상
출력 모달리티	지원: 텍스트
학습 데이터 기준일	2024. 8. 1.
컨텍스트 창	32k Arial 12포인트 기준 A4 약 48페이지
총 파라미터 수	8.4B
활성 파라미터 수	4B 추론 중 토큰마다 활성화되는 파라미터 수
라이선스	Gemma license
모델 웨이트	Hugging Face

동일한 등급의 모델과 지표를 비교합니다.

비추론 모델 → 다른 비추론 모델과만 비교
추론 모델 → 추론 및 비추론 모델 모두와 비교
오픈 웨이트 모델 → 같은 크기 등급의 다른 오픈 웨이트 모델과만 비교:

초소형: 파라미터 ≤4B
소형: 파라미터 4B~40B
중형: 파라미터 40B~150B
대형: 파라미터 >150B

독점 모델 → 입력/출력 가격을 3:1로 혼합해 같은 가격대의 독점 모델 및 오픈 웨이트 모델과 비교:

100만 토큰당 <$0.15
100만 토큰당 $0.15~$1
100만 토큰당 >$1

주요 내용

Updated

지능

Artificial Analysis Intelligence Index · Higher is better

속도

Output tokens per second · Higher is better

작업당 비용

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

지능Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Estimate (independent evaluation forthcoming)

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Estimate (independent evaluation forthcoming)

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.

벤치마크

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

AA-Briefcase v1.1Updated

Agentic knowledge work, (Elo-500)/2000

GDPval-AA v2.1Updated

Agentic real-world work tasks, (Elo-500)/2000

AutomationBench-AAUpdated

Agentic SaaS workflows

Terminal-Bench 4.0New

Agentic coding & terminal use

SciCode

Coding

Humanity's Last Exam

Reasoning & knowledge

GDP.pdfNew

Professional document reasoning, All-pass

CritPtUnder review

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR v1.1

Long context reasoning

Harvey LAB-AA

Legal agentic work, criterion pass rate

EnterpriseOps-Gym-AA

Agentic business operations

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

𝜏³-Banking

Agentic tool use

ITBench-AA

Kubernetes incident root-cause analysis

No data available

MMMU-Pro

Visual reasoning

MLCR-AANew

Medical long context 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: Score

Openness Index assesses model openness on a 0 to 100 normalized scale (higher is more open)

Intelligence Index 비교

Intelligence Index vs. Cost per Intelligence Index Task

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.

비용

Cost per Intelligence Index Task

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type. Lower is better

Cost to Run 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).

Pricing: Cache Hit, Input, and Output

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.

컨텍스트 창

Context Window

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).

모델 크기(오픈 웨이트 모델만 해당)

Model Size: Total and Active Parameters

Comparison between total model parameters and parameters active during inference

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.

자주 묻는 질문

Gemma 3n E4B Instruct Preview (May '25)에 관한 일반적인 질문

Gemma 3n E4B Instruct Preview (May '25) 모델은 2025년 5월 20일에 출시되었습니다.

Gemma 3n E4B Instruct Preview (May '25) 모델은 Google에서 개발했습니다.

Gemma 3n E4B Instruct Preview (May '25)의 Artificial Analysis Intelligence Index 추정 점수는 6점으로, 크기가 비슷한 다른 비추론 오픈 웨이트 모델 중 평균 이하입니다(중앙값: 6).

아니요. Gemma 3n E4B Instruct Preview (May '25) 모델은 추론 모델이 아닙니다. 확장된 연쇄적 사고 추론 없이 바로 답변합니다.

Gemma 3n E4B Instruct Preview (May '25) 모델은 텍스트, 음성 및 동영상 입력을 지원합니다.

Gemma 3n E4B Instruct Preview (May '25) 모델은 텍스트 출력을 지원합니다.

아니요. Gemma 3n E4B Instruct Preview (May '25) 모델은 이미지 입력을 지원하지 않으며 텍스트, 음성 및 동영상만 처리할 수 있습니다.

예. Gemma 3n E4B Instruct Preview (May '25) 모델은 멀티모달 모델로, 텍스트, 음성 및 동영상 입력을 처리하고 텍스트 출력을 생성할 수 있습니다.

Gemma 3n E4B Instruct Preview (May '25)의 컨텍스트 창은 32k토큰입니다. 모델이 단일 요청에서 처리할 수 있는 텍스트와 대화 기록의 양을 결정합니다.

예. Gemma 3n E4B Instruct Preview (May '25) 모델은 오픈 웨이트이며 모델 웨이트가 공개되어 있어 다운로드한 뒤 자체 호스팅할 수 있습니다.

Gemma 3n E4B Instruct Preview (May '25)의 파라미터 수는 8.39B이며 이 중 4B가 활성화됩니다.

Gemma 3n E4B Instruct Preview (May '25) 모델은 총 파라미터 수가 8.39B인 전문가 혼합(MoE) 모델이지만 추론 중에는 활성 파라미터 4B만 사용합니다.

Gemma 3n E4B Instruct Preview (May '25) 모델은 Gemma license 라이선스로 공개되었으며 상업적 이용이 허용됩니다. 라이선스 보기

Gemma 3n E4B Instruct Preview (May '25)의 Artificial Analysis Intelligence Index 점수는 6점입니다. 이 종합 벤치마크는 추론, 지식, 수학, 코딩 전반에서 모델을 평가합니다.

Gemma 3n E4B Instruct Preview (May '25)의 학습 데이터 기준일은 2024년 8월입니다. 모델의 학습 데이터에는 이 날짜까지의 정보가 포함됩니다.

Gemma 3n E4B Instruct Preview (May '25) 모델은 자체 호스팅할 수 있는 오픈 웨이트 모델입니다. 제공업체 보기

Gemma 3n E4B Instruct Preview (May '25) 모델은 다운로드해 자체 호스팅할 수 있는 오픈 웨이트 모델입니다. 제공업체 비교

Gemma 3n E4B Instruct Preview (May '25) 지능, 성능 및 가격 분석

모델 요약

지능Updated

속도

비용

장황성

비교 요약

기술 사양

이 등급의 모델 75개

지능

속도

작업당 비용

지능Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Artificial Analysis Intelligence Index

Open Weights

벤치마크

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Openness Index

Artificial Analysis Openness Index: Score

Intelligence Index 비교

Intelligence Index vs. Cost per Intelligence Index Task

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

비용

Cost per Intelligence Index Task

Cost per Intelligence Index Task

Cost to Run Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Pricing: Cache Hit, Input, and Output

Cache Hit

컨텍스트 창

Context Window

Context Window for RAG

Context Window

모델 크기(오픈 웨이트 모델만 해당)

Model Size: Total and Active Parameters

Total Parameters

Active Parameters at Inference Time

자주 묻는 질문

Gemma 3n E4B Instruct Preview (May '25)의 출시일은 언제인가요?

Gemma 3n E4B Instruct Preview (May '25)을 개발한 곳은 어디인가요?

Gemma 3n E4B Instruct Preview (May '25)의 지능은 어느 정도인가요?

Gemma 3n E4B Instruct Preview (May '25) 모델은 추론 모델인가요?

Gemma 3n E4B Instruct Preview (May '25) 모델은 어떤 입력 모달리티를 지원하나요?

Gemma 3n E4B Instruct Preview (May '25) 모델은 어떤 출력 모달리티를 지원하나요?

Gemma 3n E4B Instruct Preview (May '25) 모델은 이미지를 처리할 수 있나요?

Gemma 3n E4B Instruct Preview (May '25) 모델은 멀티모달 모델인가요?

Gemma 3n E4B Instruct Preview (May '25)의 컨텍스트 창은 얼마인가요?

Gemma 3n E4B Instruct Preview (May '25) 모델은 오픈 소스인가요?

Gemma 3n E4B Instruct Preview (May '25)의 파라미터 수는 얼마인가요?

Gemma 3n E4B Instruct Preview (May '25)의 활성 파라미터는 무엇인가요?

Gemma 3n E4B Instruct Preview (May '25)의 라이선스는 무엇인가요?

Gemma 3n E4B Instruct Preview (May '25)의 벤치마크 성능은 어떤가요?

Gemma 3n E4B Instruct Preview (May '25)의 학습 데이터 기준일은 언제인가요?

Gemma 3n E4B Instruct Preview (May '25) 모델은 API로 제공되나요?

Gemma 3n E4B Instruct Preview (May '25) 모델은 어디에서 사용할 수 있나요?