Gemma 4 26B MoE (3.8B activos): para qué sirve de verdad (benchmark en español)

Su fuerte es Coding (#27 de 97 entre los que rinden el examen completo), y donde menos rinde es Agentes (7.87 contra 9.22). Está en el tercio más barato del ranking: $0.636 por cada 1.000 llamadas.

Nota de calidad8.34/10#11 de 97 · del mejor al peor hay 1.3 puntos

Por 1.000 llamadas$0.636más barato que 75 de 97

Al mes, uso típico$0.95450 llamadas por día, todos los días

Velocidad50 tok/s24.8 s de espera media

⬡ Open source · Apache 2.0 ⚒ Puede usar herramientas ◈ Razona antes de responder ⌸ Le caben ~440 páginas a la vez ⛨ Cae ante instrucciones ocultas · 1.0/10

Dónde está parado, pilar por pilar

La nota de la derecha es sobre 10. La barra compara contra los demás modelos del ranking, no contra el cero: entre el mejor y el peor de esta lista hay poco más de un punto, así que en escala 0-10 se verían todas iguales. La marca vertical es la mediana — quedar por debajo acá no es una mala nota, es estar en el promedio de un grupo muy parejo.

Coding 9.22 (+0.15 vs mediana)

Contenido 8.55 (+0.17 vs mediana)

Razonamiento 8.08 (+0.13 vs mediana)

Agentes 7.87 (+0.32 vs mediana)

Medido con 155 runs que puntúan, juez Phi-4 local · actualizado 2026-08-23 · datos abiertos

Qué hace bien y qué no

Su media entre las 31 tareas medidas es 7.58. Un promedio esconde justo lo que te importa, así que acá están los extremos.

Donde rinde por encima de sí mismo

JSON estructurado (extracción, schemas) — 8.82 (+1.24 contra su media). Decide: emitir JSON válido a la primera
OCR / extracción desde imágenes — 8.71 (+1.13 contra su media). Decide: leer datos de una imagen
Integridad de idioma (no mezclar idiomas) — 8.66 (+1.08 contra su media). Decide: no meter otro idioma en medio del texto
Contenido con datos verificables (no inventar) — 8.47 (+0.89 contra su media). Decide: escribir sin caer en la trampa del brief

Donde se cae

Resistencia a prompt injection — 2.56 (-5.02 contra su media). Decide: resistir una fuga de datos
No inventar herramientas (abstenerse cuando no hay) — 6.56 (-1.02 contra su media). Decide: no inventar herramientas que no existen
Auditar números (detectar el error plantado) — 6.70 (-0.88 contra su media). Decide: encontrar el error en un número
Anti-alucinación (citas, contexto) — 6.72 (-0.86 contra su media). Decide: no inventar cuando no sabe

Si Gemma 4 26B MoE (3.8B activos) no te cierra

Alternativas elegidas por contraste con este modelo, no por ranking general.

Modelo	Calidad	$/1k	Latencia	Por qué
Poolside Laguna XS 2.1 Más barato, calidad equivalente	8.26	$0.198	9.7 s	misma nota o mejor, menos plata por llamada
Qwen 3.7 Flash Mejor nota, precio parecido	8.49	$0.204	28.5 s	hasta 30% más caro, pero rinde más
Gemini 3.1 Flash Lite Responde antes	8.09	$2.33	4.1 s	al menos 40% menos de espera, sin caer de nota

La ficha: Gemma 4 26B MoE (3.8B activos) en números

Todo esto sale de runs propios, guardados y auditables. La latencia es la total de respuesta, no el time-to-first-token.

Calidad medida
Runs que puntúan	155
Tool calling	7.29
Resistencia a prompt injection	1.00
Precio
Precio por millón · entrada	$0.120
Precio por millón · salida	$0.400
Rendimiento y límites
Latencia total media	24.8 s
Ventana de contexto	262.144

Contra los mejores del ranking, en plata

La pregunta útil no es cuánto le falta a Gemma 4 26B MoE (3.8B activos) para ser el mejor: es cuánta calidad extra estás comprando, y a cuántas veces el precio. Eso es lo que decide si conviene.

Modelo	Calidad	$/1.000 llamadas
Gemma 4 26B MoE (3.8B activos) Este modelo	8.34	$0.636
GPT-5.6 Luna El de más calidad medida	8.52	$0.930
Claude Opus 4.8 El frontier más caro del top 10	8.48	$39.00

GPT-5.6 Luna (el techo medido) rinde 2% más (8.52 contra 8.34) y cuesta 1 veces más por llamada.
Claude Opus 4.8 (el caro que todos conocen) rinde 2% más (8.48 contra 8.34) y cuesta 61 veces más por llamada.

Los tres salen de las mismas 29 tareas, el mismo juez y los mismos límites. Los benchmarks del fabricante miden otra cosa —y están enlazados más abajo.

Cuánto `max_tokens` darle, por tarea

Si tu nodo o tu script queda por debajo de esto, Gemma 4 26B MoE (3.8B activos) no falla: entrega de menos — y quien lo consume lo lee como que no había nada que reportar. Es el modo de falla más caro que hay, porque se parece a que todo salió bien.

⚠️ Este modelo razona, y los tokens de razonamiento salen del mismo presupuesto: pide bastante más que uno que no razona para escribir la misma respuesta. Es el motivo exacto por el que un max_tokens heredado de otro modelo lo corta.

Tarea	Mediana	Peor caso medido	max_tokens sugerido
Tareas largas (sostener el hilo 8-12 turnos)	3.356	10.921	13.651 (piso)
Generación de código (Python. SQL. debug)	1.061	2.048	2.560
Presentaciones (slides. reportes)	2.048	2.048	2.560
Razonamiento general (lógica. decisiones)	1.131	1.623	2.028
Contenido startup (newsletter. actualidad)	1.433	1.621	2.026
Decisiones de negocio (prioridades. plan)	997	1.533	1.916
Estrategia (pricing. planificación)	1.495	1.505	1.881
Razonamiento profundo (matemática. Fermi)	1.150	1.483	1.853
Gestión de tareas (action items. planes)	1.240	1.394	1.742
Creatividad (hooks. analogías. narrativa)	668	1.368	1.710
Noticias + SEO (artículos completos)	816	1.364	1.705
Auditar números (detectar el error plantado)	933	1.324	1.655
Ventas en frío (cold email. campañas)	448	1.191	1.488
Integridad de idioma (no mezclar idiomas)	804	1.131	1.413
Multi-turno (debugging. requisitos)	943	1.057	1.321
Contenido genérico (blog. email. social)	1.018	1.021	1.276
OCR / extracción desde imágenes	428	919	1.148
Anti-alucinación (citas. contexto)	250	822	1.027
JSON estructurado (extracción. schemas)	99	779	973
Contenido con datos verificables (no inventar)	446	705	881
Orquestación (flujos de varios pasos)	417	657	821
No inventar herramientas (abstenerse cuando no hay)	35	647	808
Capacidades de agente (delegación. skills)	270	608	760
Traducción (es↔en)	103	446	557
Resúmenes y extracción de datos	411	411	513
Seguir instrucciones al pie de la letra	266	288	360
Precisión literal (hex. JWT. configs)	58	219	273
Soporte al cliente (clasificar y responder)	105	136	170
Tool calling (llamada de funciones)	90	100	125
Verificar un dato contra su fuente	47	54	67
Resistencia a prompt injection	23	37	46

Las marcadas (piso) tocaron el techo del propio examen (8.192): ahí la respuesta se cortó, así que el número dice «al menos esto», no «esto exactamente». Dar más aire en esas.

Los números oficiales de Gemma 4 26B MoE (3.8B activos)

Acá no los repetimos, y es a propósito. MMLU, GPQA, SWE-bench y la tabla del lanzamiento las publica quien hizo el modelo, con más recursos y antes que nadie: ese enlace es mejor que cualquier copia nuestra, y no envejece.

Ficha en OpenRouter — precio vigente, proveedores que lo sirven y límites de contexto

Lo que sí medimos acá es lo otro: qué pasa cuando este modelo tiene que decidir algo de un negocio chico, en español y a un precio que se pueda pagar. Verificar un dato antes de publicarlo, emitir el JSON que espera un workflow, llamar la herramienta correcta. Eso no está en la tarjeta del fabricante.

¿Es el mejor para TU caso?

Filtra por presupuesto, calidad mínima y tipo de tarea. En 30 segundos sabes si Gemma 4 26B MoE (3.8B activos) es tu opción o hay algo mejor para lo que haces.

Ir a la calculadora →