自建 200 题数据集横评 10 款模型：Gemma-4-26B 屠榜，量化后仍居 S 级

Reddit 用户自建 200 题数据集，横评 10 个 2B MoE 至 27B Dense 模型，Gemma-4-26B 居 S 级榜首，量化到 iq3s 仍第一。Qwen3.8-27B（q3/q5）、Qwen3.5-9B 列 A 级，Ling-3.0-tiny、MiniCPM 为 F 级。测试考察模型在 LLM 集群「Hive」中调用自定义工具，过重模型反而拖慢速度。