Gemma 2 27B
Gemma 2 27B est un LLM open-weights de Google, publié le 27 juin 2024 sous licence Gemma, avec usage commercial autorisé. Ses 27 milliards de paramètres et sa fenêtre de contexte de 8 192 tokens le rattachent à une génération désormais ancienne, près de deux ans représentant une durée…
Gemma 2 27B est un LLM open-weights de Google, publié le 27 juin 2024 sous licence Gemma, avec usage commercial autorisé. Ses 27 milliards de paramètres et sa fenêtre de contexte de 8 192 tokens le rattachent à une génération désormais ancienne, près de deux ans représentant une durée très longue à l’échelle de l’IA.
À sa sortie, il se classait dans le top 42% des LLM de sa génération sur GPQA diamond. Son principal attrait actuel réside dans son positionnement très économique, avec une tarification inférieure de 67% à la moyenne des modèles similaires et environ 8,5 fois moins élevée que celle des modèles frontière.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | |
| Poids | 🟢 Poids ouverts · usage commercial autorisé |
| Licence | Gemma |
| Date de sortie | 27 juin 2024 |
| Multimodal | non |
| Paramètres | 27 milliards |
| Fenêtre de contexte | 8 192 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| ARC-E | 88,6 % | 1ᵉ / 8 | llm-stats | Auto-déclaré |
| HellaSwag | 86,4 % | 10ᵉ / 27 | llm-stats | Auto-déclaré |
| BoolQ | 84,8 % | 2ᵉ / 10 | llm-stats | Auto-déclaré |
| TriviaQA | 83,7 % | 2ᵉ / 18 | llm-stats | Auto-déclaré |
| Winogrande | 83,7 % | 6ᵉ / 22 | llm-stats | Auto-déclaré |
| PIQA | 83,2 % | 3ᵉ / 11 | llm-stats | Auto-déclaré |
| MMLU | 75,2 % | 73ᵉ / 98 | llm-stats | Auto-déclaré |
| BIG-Bench | 74,9 % | 2ᵉ / 3 | llm-stats | Auto-déclaré |
| GSM8k | 74,0 % | 41ᵉ / 47 | llm-stats | Auto-déclaré |
| ARC-C | 71,4 % | 19ᵉ / 34 | llm-stats | Auto-déclaré |
| MBPP | 62,6 % | 29ᵉ / 33 | llm-stats | Auto-déclaré |
| AGIEval | 55,1 % | 5ᵉ / 10 | llm-stats | Auto-déclaré |
| Social IQa | 53,7 % | 4ᵉ / 9 | llm-stats | Auto-déclaré |
| HumanEval | 51,8 % | 62ᵉ / 65 | llm-stats | Auto-déclaré |
| MATH | 42,3 % | 64ᵉ / 70 | llm-stats | Auto-déclaré |
| Natural Questions | 34,5 % | 1ᵉ / 7 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| NextBit | 0,65 $ | 0,65 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 69 % en dessous de la moyenne des LLM similaires, et 8,5 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,02 $ |
| Latence moyenne par benchmark — Benchable | 3 min 19 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. Gemma 2 27B se distingue surtout en Ethics, où il occupe la première place parmi 252 modèles évalués. Les résultats en General Knowledge et en Email Classification sont élevés en valeur absolue, même si leurs classements montrent une concurrence déjà forte. Coding reste solide sans placer le modèle parmi les références de sa génération. La licence Gemma autorise l’usage commercial et donne accès aux poids, tandis que le tarif minimal de 0,65 $ par million de tokens, identique en entrée et en sortie, rend son exploitation particulièrement économique. Ces constats reposent sur quatre sources de données concordantes.
Limites et points d’attention. Le raisonnement constitue la faiblesse la plus nette, avec un résultat de milieu de performance et un classement dans le bas du tableau. Le benchmark Hallucinations place également le modèle loin des meilleurs, ce qui appelle à la prudence sur la fiabilité des réponses. Sa fenêtre de 8 192 tokens limite les traitements nécessitant un contexte étendu. Ses connaissances s’arrêtent au 30 juin 2024. Surtout, près de deux ans après sa sortie, ses performances sont aujourd’hui largement dépassées, et cette génération de modèles est souvent retirée des catalogues des éditeurs.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Epoch AI (epoch.ai), CC-BY-4.0 · Benchable.ai (benchable.ai).