Gemma 4 E4B vs Hy3 preview
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
GoogleのGemma 4 E4BとTencentのHy3 previewは、注目度の高い主要AIモデルです。Gemma 4 E4Bは131.1K トークンのコンテキストウィンドウを備え、API料金は100万トークンあたり入力$0.00/出力$0.00、一方のHy3 previewは262.1K トークンのコンテキストで入力$0.00/出力$0.00です。以下でベンチマーク、速度、コストを詳しく比較します。
任意のAIモデルを切り替えて比較
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Gemma 4 E4B
オープンウェイト基盤モデルGoogle の Gemma 4 E4B は、オンプレミス環境でのセルフホスト、ファインチューニング、完全なデータ主権の確保向けに設計されたAIモデルです。131K のコンテキストウィンドウ、毎秒 190 トークンの生成速度、知能指数 65/100（無料のオープンウェイト提供）を実現しています。
$0.00 / 1M
$0.00 / 1M
131.1K tokens
N/A
Hy3 preview
オープンウェイト基盤モデルTencent の Hy3 preview は、オンプレミス環境でのセルフホスト、ファインチューニング、完全なデータ主権の確保向けに設計されたAIモデルです。262K のコンテキストウィンドウ、毎秒 88 トークンの生成速度、知能指数 79/100（無料のオープンウェイト提供）を実現しています。
$0.00 / 1M
$0.00 / 1M
262.1K tokens
N/A
ひと目でわかる主な違い
- Both models cost the same under this workload — choose on capability, not price.
- Hy3 preview has a larger context window (262K vs 131K tokens).
- Gemma 4 E4B is faster at 190 tok/s vs 88 tok/s.
| Feature | Gemma 4 E4B | Hy3 preview |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 65 | 79 |
Provider | Tencent | |
Input Price Cost per million input tokens | $0.00 / 1M | $0.00 / 1M |
Output Price Cost per million output tokens | $0.00 / 1M | $0.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.00 / 1M | $0.00 / 1M |
Context Window Maximum input + output tokens | 131.1K tokens~197 A4 pages of text | 262.1K tokens~393 A4 pages of text |
Max Output Tokens Per single request | 16K | 8K |
Throughput Speed Tokens generated per second | 190 tok/s | 88 tok/s |
SWE-bench Verified Real-world software engineering | N/A | N/A |
分野別勝者スコアカード
At-a-glance decision frameworkEvaluations ongoing
検証済みベンチマークスコア比較
Official evaluation metrics verified by independent third-party research labs.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Tokens emitted per second during active generation streaming.
レイテンシ＆応答時間
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
リアルタイムAPIトークン料金シミュレーター
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Gemma 4 E4B · Strengths & Key Advantages
- 131K のコンテキストウィンドウと最大 16K トークンの出力容量（MMLU-Pro 74% · Arena Elo 1320）
- 毎秒 190 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 220ms の低遅延
- オープンウェイトモデル (E4B (4B))として vLLM・SGLang・Ollama を用いた自社GPUでのローカル運用が可能
Considerations & Trade-offs
- 非量子化のフル精度でローカル推論を行うには十分なGPU VRAM容量が必要です
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
Hy3 preview · Strengths & Key Advantages
- 262K のコンテキストウィンドウと最大 8K トークンの出力容量（MMLU-Pro 76.5% · Arena Elo 1310）
- 毎秒 88 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 440ms の低遅延
- オープンウェイトモデル (Confidential / 140B MoE)として vLLM・SGLang・Ollama を用いた自社GPUでのローカル運用が可能
Considerations & Trade-offs
- 非量子化のフル精度でローカル推論を行うには十分なGPU VRAM容量が必要です
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Gemma 4 E4B | Hy3 preview |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.00 | $0.00 |
Output Tokens / Task Tokens generated per task | 4K | 15K |
Reasoning Tokens / Task Thinking tokens burned per task | 1K | 3K |
技術仕様・スペック
Architecture, release timeline, capabilities, and modalities.
| Feature | Gemma 4 E4B | Hy3 preview |
|---|---|---|
| Official API Model ID (SDK) | models/gemma-4-e4b | hy3-preview |
| API Protocol | Google Gemini API (generateContent) + OpenAI-Compatible SDK | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2026-04 | 2026-04 |
| Knowledge Cutoff | January 2026 | February 2026 |
| Architecture | Edge-optimized dense open transformer | Preview Open Reasoning MoE Transformer |
| Parameters | E4B (4B) | Confidential / 140B MoE |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Free across full context window (only KV-cache VRAM scales) | Free across full context window (only KV-cache VRAM scales) |
| Prompt Cache Policy & TTL | Automatic prefix KV-caching in vLLM / SGLang (0 cost) | Automatic prefix KV-caching in vLLM / SGLang (0 cost) |
| Computer Use / GUI Agent | Supported (Screen coordinate grounding, browser & desktop GUI action loops) | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Built-in Google Search Grounding + Managed Python Code Execution Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) | Text BPE (~4 chars/token) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 2 GB VRAM (4-bit Quantized) · 9 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 87 GB VRAM (4-bit Quantized) · 301 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Google DeepMind Frontier Safety Framework Verified | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text, vision | text |
| Output Modalities | text | text |
Gemma 4 E4B vs Hy3 preview: よくある質問 (FAQ)
Which is more intelligent, Gemma 4 E4B or Hy3 preview?
Hy3 preview is more intelligent. It scores 79 compared with 65 on the composite Intelligence Index.
Which model is faster?
Gemma 4 E4B is faster, generating 190 tokens per second compared with 88 tokens per second.
Which model has lower latency?
Gemma 4 E4B has lower latency, with a time to first token of 0.22s compared with 0.44s.
Which model has a larger context window?
Hy3 preview has a larger context window, supporting 262.1K tokens compared with 131.1K tokens.
総合評価
Gemma 4 E4B（オンプレミス環境でのセルフホスト、ファインチューニング、完全なデータ主権の確保、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）とHy3 preview（オンプレミス環境でのセルフホスト、ファインチューニング、完全なデータ主権の確保、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）はいずれも優れた選択肢です。高度な推論・コーディング精度ではHy3 previewがリードし、応答速度とスループットではGemma 4 E4Bが優れ、APIコスト効率ではGemma 4 E4Bが有利です。
よくある質問 (FAQ)
コーディングや複雑な推論には Gemma 4 E4B と Hy3 preview のどちらが適していますか？+
総合知能指数およびコーディング評価では Hy3 preview が優位です。上部の SWE-bench や GPQA スコアもあわせてご確認ください。
Gemma 4 E4B と Hy3 preview ではどちらのAPI料金が安いですか？+
Gemma 4 E4B は100万トークンあたり入力$0.00 / 出力$0.00、Hy3 preview は入力$0.00 / 出力$0.00です。総合的なコスト効率では Gemma 4 E4B がより経済的です。
コンテキスト長と生成速度はどちらが優れていますか？+
コンテキストウィンドウは Gemma 4 E4B が 131.1K トークン、Hy3 preview が 262.1K トークン です。出力スピード（トークン/秒）では Gemma 4 E4B がリードしています。
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Gemma 4 E4B vs Gemma 4 E2B：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Hy3 vs Hy3 preview：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Aion-Mini：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Gemini 3.6 Flash：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-Mini vs Laguna XS 2.1：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aya Expanse 32B vs Llama 3.2 90B Vision：ベンチマーク・API料金・速度の徹底比較 (2026)比較
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
公的ソース: GoogleおよびTencent公式APIドキュメント、システムカード、独立ベンチマーク評価 (2026)。