Gemma 3n E4B Instructed
Gemma 3n E4B Instructed est un LLM propriétaire de Google, lancé le 26 juin 2025. Avec environ un an d’ancienneté, il appartient déjà à une génération ancienne à l’échelle de l’IA, probablement dépassée par les modèles plus récents et souvent retirée des catalogues.
Gemma 3n E4B Instructed est un LLM propriétaire de Google, lancé le 26 juin 2025. Avec environ un an d’ancienneté, il appartient déjà à une génération ancienne à l’échelle de l’IA, probablement dépassée par les modèles plus récents et souvent retirée des catalogues.
Ses 8 milliards de paramètres et sa fenêtre de contexte de 32 768 tokens s’accompagnent d’un positionnement très économique. Ses tarifs sont inférieurs de 97% à la moyenne des LLM similaires et environ 91,7 fois plus bas que ceux des modèles frontière. Ses connaissances s’arrêtent au 1er juin 2024.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | |
| Poids | 🔒 Propriétaire |
| Date de sortie | 26 juin 2025 |
| Connaissances jusqu'à | 2024-06-01 |
| Multimodal | oui |
| Paramètres | 8 milliards |
| Fenêtre de contexte | 32 000 tokens |
| Modalités (entrée → sortie) | text,image → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| HumanEval | 75,0 % | 48ᵉ / 65 | llm-stats | Auto-déclaré |
| MGSM | 67,0 % | 22ᵉ / 30 | llm-stats | Auto-déclaré |
| MMLU | 64,9 % | 91ᵉ / 98 | llm-stats | Auto-déclaré |
| Global-MMLU-Lite | 64,5 % | 9ᵉ / 14 | llm-stats | Auto-déclaré |
| MBPP | 63,6 % | 26ᵉ / 33 | llm-stats | Auto-déclaré |
| Global-MMLU | 60,3 % | 2ᵉ / 5 | llm-stats | Auto-déclaré |
| Include | 57,2 % | 26ᵉ / 31 | llm-stats | Auto-déclaré |
| MMLU-Pro | 50,6 % | 109ᵉ / 125 | llm-stats | Auto-déclaré |
| WMT24++ | 50,1 % | 16ᵉ / 23 | llm-stats | Auto-déclaré |
| HiddenMath | 37,7 % | 8ᵉ / 13 | llm-stats | Auto-déclaré |
| LiveCodeBench v5 | 25,7 % | 6ᵉ / 9 | llm-stats | Auto-déclaré |
| GPQA | 23,7 % | 216ᵉ / 219 | llm-stats | Auto-déclaré |
| MMLU-ProX | 19,9 % | 29ᵉ / 32 | llm-stats | Auto-déclaré |
| ECLeKTic | 19,0 % | 1ᵉ / 8 | llm-stats | Auto-déclaré |
| Codegolf v2.2 | 16,8 % | 1ᵉ / 4 | llm-stats | Auto-déclaré |
| LiveCodeBench | 13,2 % | 67ᵉ / 72 | llm-stats | Auto-déclaré |
| AIME 2025 | 11,6 % | 105ᵉ / 108 | 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 |
|---|---|---|---|
| Together | 0,06 $ | 0,12 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 97 % en dessous de la moyenne des LLM similaires, et 91,7 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 $ |
| Latence moyenne par benchmark — Benchable | 6 min 57 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 3n E4B Instructed se distingue surtout en Email Classification, où il se place dans le haut du classement. Les résultats en Ethics et en General Knowledge affichent aussi des scores bruts élevés, même si leurs rangs montrent qu’une grande partie des modèles évalués obtient des performances comparables ou supérieures. À sa sortie, son classement GPQA le situait dans le top 98% des 110 LLM de sa génération, une position peu distinctive. Son principal avantage reste économique, avec des coûts d’entrée et de sortie très inférieurs à ceux des modèles similaires et des modèles haut de gamme.
Limites et points d'attention. Le modèle se situe dans le bas des classements en Coding et reste faible en Reasoning. Son résultat en Instruction Following est particulièrement bas, ce qui constitue une limite majeure pour une version présentée comme « Instructed ». Son ancienneté d’environ un an est très importante dans ce secteur : ses performances sont aujourd’hui largement dépassées, et les modèles de cette période sont souvent retirés du catalogue de leur éditeur. Sa limite de connaissances à juin 2024 réduit aussi sa pertinence pour les informations récentes. Enfin, sa licence propriétaire implique des poids non ouverts.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).