Google: Gemma 4 26B A4B (free)

Gemma 4 26B A4B IT ist ein instruction-getuntes Mixture-of-Experts-Modell von Google, veröffentlicht unter der Gemma-Familie von Google DeepMind. Es hat insgesamt 25,2B Parameter, aber nur 3,8B werden pro Token während der Inferenz aktiviert, was die Designentscheidung hinter dem Namen A4B ist. Es ist ein Textmodell im Katalog von api14, und das Veröffentlichungsdatum des Anbieters ist der 2026-04-03. Die hier bereitgestellte Version ist die kostenlose Variante, identifiziert als google/gemma-4-26b-a4b-it:free.

Auf der Eingabeseite akzeptiert das Modell Text, Bilder und Video, und es erzeugt ausschließlich Text. Das Kontextfenster beträgt 262144 Token, und die maximale Ausgabe beträgt 32768 Token. Da es instruction-getunt ist, ist es darauf ausgelegt, Anweisungen direkt zu befolgen, anstatt Rohtext fortzusetzen. Das Mixture-of-Experts-Layout bedeutet, dass man eine relativ große Gesamtparameterzahl erhält, während nur ein kleiner Bruchteil der Gewichte pro Token aktiv ist, was relevant ist, wenn man sich für Durchsatz oder Serving-Effizienz interessiert und nicht nur für die reine Parameterzahl.

Diese Fähigkeiten deuten auf einige praktische Muster hin. Lange Dokumente, große Codebasen oder ausgedehnte Transkripte passen bequem in den Kontext von 262144 Token, sodass Zusammenfassung, Fragebeantwortung über ein ganzes Repository und Multi-Dokument-Analyse sinnvolle Einsatzbereiche sind. Gemischte Medieneingaben machen es nutzbar für Aufgaben, die Screenshots, Diagramme oder Videoframes mit schriftlichen Anweisungen kombinieren, etwa das Extrahieren strukturierter Details aus einem aufgezeichneten Walkthrough oder das Beschreiben, was in einem Clip neben einem Textprompt passiert. Tool-Calling und Unterstützung für strukturierte Ausgabe machen es zu einem Kandidaten für agentenartige Workflows und für Pipelines, bei denen die Antwort einem Schema entsprechen muss.

Man ruft es über die OpenAI-kompatible API von api14 mit der Modell-ID "google/gemma-4-26b-a4b-it:free" auf. Die unterstützten Anfrageparameter sind include_reasoning, max_tokens, reasoning, response_format, seed, temperature, tool_choice, tools und top_p. In der Praxis bedeutet das, dass man das Sampling-Verhalten mit temperature und top_p einstellen kann, Läufe mit seed reproduzierbar machen kann, die Antwortlänge mit max_tokens begrenzen kann, JSON oder eine andere strukturierte Form mit response_format anfordern kann und Tool-Definitionen mit tools und tool_choice übergeben kann. Die Parameter reasoning und include_reasoning steuern, ob Reasoning-Ausgabe angefordert wird und ob sie zurückgegeben wird.

Behalten Sie die Ausgabeobergrenze von 32768 Token im Blick, wenn Sie lange Generierungen planen, und beachten Sie, dass das Modell ausschließlich Text zurückgibt, sodass jede Bild- oder Videoverarbeitung auf der Eingabeseite stattfindet. Wenn Ihre Aufgabe rein textbasiert ist und nicht vom langen Kontext oder den multimodalen Eingaben profitiert, könnte ein kleineres reines Textmodell einfacher zu handhaben sein.