Cargando datos de benchmark…EyesInAI·Cargando datos de benchmark en vivo Cargando modelos…EyesInAI·Cargando modelos… Todos los modelosgemini
gemma-3-4b-it
Última prueba: 29 abr 2026
Solo resultados medidos, sin recomendación.
Hardware para ejecutarlo
Autoalojado:Laptop4B dense
fp16 (est.) ~9.6GBQ8 (est.) ~4.8GBQ4 (est.) ~2.4GB
Laptop / mini-PC — 8–16GB, or an Apple Silicon Mac VRAM is computed from parameter count (~20% added for KV cache + runtime) — an estimate; tune for your context length and serving stack.
Resultados por prueba
⚡Ping
Latencia y disponibilidad: respuesta de una palabra
🧮Razonamiento
Razonamiento matemático básico: mostrar el procedimiento y dar la respuesta
{ }Salida JSON
Cumplimiento de salida estructurada: JSON válido con las claves requeridas
💻Generación de código
Generar una función de Python con docstring
🚀Velocidad
Velocidad de generación de tokens: respuesta larga de 500 tokens
🔍Recuperación de contexto
Los nombres de modelos, los datos del catálogo y las notas de hardware se muestran tal como están en la fuente, en inglés.
Recuperación de datos en contexto: preguntas sobre una lista de 20 elementos
🔧Uso de herramientas
Llamada a funciones: invocar get_weather