Este modelo está obsoleto. Continuamos medindo seu desempenho, mas com menos frequência: a cada 18 horas em vez de a cada 6.

Google lançou uma versão mais recente, Gemma 4 E4B. Sugerimos considerá-la como alternativa.

Google

•

Open weights model

•

Released junho de 2025

Análise de inteligência, desempenho e preço do Gemma 3n E4B Instruct

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

Experimente Benchmarks de provedores de API

InteligênciaUpdated

N/D

Artificial Analysis Intelligence Index

Desempenho

N/D

Tempo por tarefa do Intelligence Index (minutos)

Custo

Entrada -Saída -

N/D

Custo por tarefa do Intelligence Index

Verbosidade

N/D

Tokens de saída do Intelligence Index

Gemma 3n E4B Instruct aceita entrada em texto e imagem, gera saída em texto e tem uma janela de contexto de 32k tokens, com conhecimento até agosto de 2024.

Raciocínio	Não Esta página mostra a versão sem raciocínio deste modelo. Também pode existir uma variante com raciocínio.
Modalidade de entrada	Compatível com: texto e imagem
Modalidade de saída	Compatível com: texto
Data-limite do conhecimento	1 de ago. de 2024
Janela de contexto	32k ~48 páginas A4 em fonte Arial tamanho 12
Parâmetros totais	8.4B
Parâmetros ativos	4B Número de parâmetros ativos por token durante a inferência
Licença	Gemma license
Pesos do modelo	Hugging Face

As métricas são comparadas com modelos da mesma classe:

Modelos sem raciocínio → comparados apenas com outros modelos sem raciocínio
Modelos de raciocínio → comparados com modelos com e sem raciocínio
Modelos de pesos abertos → comparados apenas com outros modelos de pesos abertos da mesma classe de tamanho:

Muito pequeno: ≤4B parâmetros
Pequeno: 4B–40B parâmetros
Médio: 40B–150B parâmetros
Grande: >150B parâmetros

Modelos proprietários → comparados com modelos proprietários e de pesos abertos da mesma faixa de preço, usando uma proporção combinada de 3:1 entre os preços de entrada e saída:

<$0.15 por 1M de tokens
$0.15–$1 por 1M de tokens
>$1 por 1M de tokens

Updated

Inteligência

Artificial Analysis Intelligence Index · Higher is better

No publicly available API

Tempo por tarefa

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

No publicly available API

Custo por tarefa

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

No publicly available API

InteligênciaUpdated

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 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

No publicly available API

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 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: pesos abertos vs. proprietários

No publicly available API

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. custo por tarefa

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.

Avaliações

Evaluations

Evaluations measured independently by Artificial Analysis · AA-PersonalityBench scores are percentile ranks from 1 to 100

Ver mais

No publicly available API

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience v1.1 AccuracyUpdated

Knowledge

AA-Omniscience v1.1 Non-Hallucination RateUpdated

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode 2.0New

Agentic software engineering in open-source repositories

HLE-DiamondNew

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

CritPt v2 (Hard Subset)

Physics reasoning

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

Harvey LAB-AA v1.1Updated

Legal agentic work, Hallucination-Gated All-Pass Rate

EnterpriseOps-Gym-AA

Agentic business operations

GDPval-AA v2.1

Agentic real-world work tasks, Elo

AA-3DNew

Agentic interactive 3D experiences, Elo

Code2Video-AANew

Product and brand videos designed in code, Elo

ITBench-AA

Kubernetes incident root-cause analysis

MLCR-AAUpdated

Medical long context reasoning

MMMU-Pro

Visual reasoning

AA-PersonalityBench: Expressiveness ScoreNew

Rich, varied, well-crafted language

AA-PersonalityBench: Organization ScoreNew

Well-structured, scannable, answer-first

AA-PersonalityBench: Transparency ScoreNew

Truthful, acknowledges uncertainty, non-sycophantic

AA-PersonalityBench: Slop ScoreNew

Use of filler and generic language

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

Openness Index

Artificial Analysis Openness Index: pontuação

O Openness Index avalia a abertura dos modelos em uma escala normalizada de 0 a 100 (quanto maior, mais aberto)

Custo

Custo por tarefa do Intelligence Index

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

No publicly available API

Custo de executar o Artificial Analysis Intelligence Index

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

No publicly available API

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).

Preços: acertos de cache, entrada e saída

Price (USD per M Tokens)

No publicly available API

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.

Janela de contexto

Context window: tokens limit · Higher is better

No publicly available API

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).

Tamanho do modelo (somente modelos de pesos abertos)

Tamanho do modelo: parâmetros totais e ativos

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.

Perguntas frequentes

Perguntas comuns sobre o Gemma 3n E4B Instruct

O Gemma 3n E4B Instruct foi lançado em 26 de junho de 2025.

Google criou o Gemma 3n E4B Instruct.

Não, o Gemma 3n E4B Instruct não é um modelo de raciocínio. Ele fornece respostas diretas, sem raciocínio em cadeia prolongado.

Gemma 3n E4B Instruct aceita entrada em texto e imagem.

Gemma 3n E4B Instruct permite saída em texto.

Sim, o Gemma 3n E4B Instruct aceita imagens como entrada e pode analisá-las, descrevê-las e responder a perguntas sobre elas.

Sim, o Gemma 3n E4B Instruct é multimodal. Ele consegue processar entrada em texto e imagem e gerar saída em texto.

Gemma 3n E4B Instruct tem uma janela de contexto de 32k tokens. Isso determina quanto texto e histórico da conversa o modelo consegue processar em uma única solicitação.

Sim, o Gemma 3n E4B Instruct é um modelo de pesos abertos. Os pesos estão disponíveis publicamente e podem ser baixados para auto-hospedagem.

Gemma 3n E4B Instruct tem 8,39 bilhões parâmetros (4 bilhões ativos).

Gemma 3n E4B Instruct é um modelo de mistura de especialistas (MoE) com 8,39 bilhões parâmetros no total, mas apenas 4 bilhões parâmetros ativos são usados durante a inferência.

Gemma 3n E4B Instruct foi lançado sob a licença Gemma license. Essa licença permite o uso comercial. Ver licença

A data-limite do conhecimento do Gemma 3n E4B Instruct é agosto de 2024. Os dados de treinamento do modelo incluem informações até essa data.

Gemma 3n E4B Instruct é um modelo de pesos abertos que pode ser auto-hospedado. Ver provedores

Gemma 3n E4B Instruct é um modelo de pesos abertos que pode ser baixado e auto-hospedado. Comparar provedores

Análise de inteligência, desempenho e preço do Gemma 3n E4B Instruct

Resumo do modelo

InteligênciaUpdated

Desempenho

Custo

Verbosidade

Resumo da comparação

Especificações técnicas

75 modelos nesta classe

Inteligência

Tempo por tarefa

Custo por tarefa

InteligênciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: pesos abertos vs. proprietários

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. custo por tarefa

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Avaliações

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Openness Index

Artificial Analysis Openness Index: pontuação

Custo

Custo por tarefa do Intelligence Index

Cost per Intelligence Index Task

Custo de executar o Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Preços: acertos de cache, entrada e saída

Cache Hit

Janela de contexto

Janela de contexto

Context Window for RAG

Context Window

Tamanho do modelo (somente modelos de pesos abertos)

Tamanho do modelo: parâmetros totais e ativos

Total Parameters

Active Parameters at Inference Time

Perguntas frequentes

Quando o Gemma 3n E4B Instruct foi lançado?

Quem criou o Gemma 3n E4B Instruct?

O Gemma 3n E4B Instruct é um modelo de raciocínio?

Quais modalidades de entrada o Gemma 3n E4B Instruct aceita?

Quais modalidades de saída o Gemma 3n E4B Instruct aceita?

O Gemma 3n E4B Instruct consegue processar imagens?

O Gemma 3n E4B Instruct é multimodal?

Qual é a janela de contexto do Gemma 3n E4B Instruct?

O Gemma 3n E4B Instruct é de código aberto?

Quantos parâmetros o Gemma 3n E4B Instruct tem?

Quais são os parâmetros ativos do Gemma 3n E4B Instruct?

Qual é a licença do Gemma 3n E4B Instruct?

Qual é a data-limite do conhecimento do Gemma 3n E4B Instruct?

O Gemma 3n E4B Instruct está disponível por API?

Onde posso usar o Gemma 3n E4B Instruct?