Qwen 2.5를 판별사로 활용한 LLM-as-a-judge 벤치마크 결과, Qwen 3이 Qwen 3.5, 3.6, Gemma 4보다 더 나은 성능을 보였어요. Gemma 4는 전반적으로 약간 더 좋은 성능을 보이지만, vllm에서의 추론 속도는 Qwen 모델보다 느린 것으로 나타났어요. Qwen 3.5와 Qwen 3.6가 기본 모델이기 때문에 instruct 모델보다 성능이 낮게 나타난 것으로 추정돼요.