Google: Gemma 4 26B A4B (free)

Gemma 4 26B A4B IT es un modelo Mixture-of-Experts ajustado para instrucciones de Google, publicado bajo la familia Gemma de Google DeepMind. Tiene 25.2B parámetros totales, pero solo 3.8B se activan por token durante la inferencia, que es la decisión de diseño detrás del nombre A4B. Es un modelo de texto en el catálogo de api14, y la fecha de lanzamiento del proveedor es 2026-04-03. La versión servida aquí es la variante gratuita, identificada como google/gemma-4-26b-a4b-it:free.

En el lado de la entrada, el modelo acepta texto, imágenes y video, y produce solo texto. La ventana de contexto es de 262144 tokens, y la salida máxima es de 32768 tokens. Debido a que está ajustado para instrucciones, está pensado para seguir prompts directamente en lugar de continuar texto sin procesar. La disposición de mezcla de expertos significa que obtienes un recuento total de parámetros relativamente grande mientras solo una pequeña fracción de los pesos está activa por token, lo cual es relevante si te importa el rendimiento o la eficiencia de servicio en lugar del recuento de parámetros en bruto.

Esas capacidades apuntan a algunos patrones prácticos. Documentos largos, bases de código grandes o transcripciones extensas caben cómodamente dentro del contexto de 262144 tokens, por lo que el resumen, las preguntas y respuestas sobre un repositorio completo y el análisis de múltiples documentos son usos razonables. Las entradas de medios mixtos lo hacen utilizable para tareas que combinan capturas de pantalla, diagramas o fotogramas de video con instrucciones escritas, como extraer detalles estructurados de un recorrido grabado o describir lo que sucede en un clip junto con un prompt de texto. El soporte de llamadas a herramientas y salida estructurada lo convierten en un candidato para flujos de trabajo estilo agente y para pipelines donde la respuesta debe ajustarse a un esquema.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "google/gemma-4-26b-a4b-it:free". Los parámetros de solicitud soportados son include_reasoning, max_tokens, reasoning, response_format, seed, temperature, tool_choice, tools y top_p. En la práctica, eso significa que puedes configurar el comportamiento de muestreo con temperature y top_p, hacer ejecuciones reproducibles con seed, limitar la longitud de la respuesta con max_tokens, solicitar JSON u otra forma estructurada con response_format, y pasar definiciones de herramientas con tools y tool_choice. Los parámetros reasoning e include_reasoning controlan si se solicita salida de razonamiento y si se devuelve.

Ten en cuenta el límite de salida de 32768 tokens al planificar generaciones largas, y observa que el modelo devuelve solo texto, por lo que cualquier manejo de imágenes o video ocurre en el lado de la entrada. Si tu tarea es puramente de texto y no se beneficia del contexto largo o de las entradas multimodales, un modelo más pequeño solo de texto puede ser más simple de usar.