Google: Gemma 4 26B A4B (free)

Gemma 4 26B A4B IT est un modèle Mixture-of-Experts affiné pour les instructions de Google, publié au sein de la famille Gemma de Google DeepMind. Il compte 25,2B de paramètres au total, mais seulement 3,8B sont activés par token lors de l'inférence, ce qui constitue le choix de conception derrière le nom A4B. C'est un modèle texte dans le catalogue d'api14, et la date de publication du fournisseur est le 2026-04-03. La version servie ici est la variante gratuite, identifiée comme google/gemma-4-26b-a4b-it:free.

Côté entrée, le modèle accepte du texte, des images et de la vidéo, et il produit uniquement du texte. La fenêtre de contexte est de 262144 tokens, et la sortie maximale est de 32768 tokens. Comme il est affiné pour les instructions, il est conçu pour suivre directement les prompts plutôt que de continuer du texte brut. La structure mixture-of-experts signifie que vous obtenez un nombre total de paramètres relativement élevé alors qu'une petite fraction seulement des poids est active par token, ce qui est pertinent si vous vous souciez du débit ou de l'efficacité de service plutôt que du seul nombre brut de paramètres.

Ces capacités renvoient à quelques schémas pratiques. Les documents longs, les grandes bases de code ou les transcriptions étendues tiennent confortablement dans le contexte de 262144 tokens, donc la summarisation, les questions-réponses sur un dépôt entier et l'analyse multi-documents sont des usages raisonnables. Les entrées multimédias mixtes le rendent utilisable pour des tâches qui combinent captures d'écran, diagrammes ou images vidéo avec des instructions écrites, comme extraire des détails structurés d'une démonstration enregistrée ou décrire ce qui se passe dans un clip accompagné d'un prompt texte. La prise en charge de l'appel d'outils et de la sortie structurée en fait un candidat pour les workflows de type agent et pour les pipelines où la réponse doit respecter un schéma.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "google/gemma-4-26b-a4b-it:free". Les paramètres de requête pris en charge sont include_reasoning, max_tokens, reasoning, response_format, seed, temperature, tool_choice, tools et top_p. En pratique, cela signifie que vous pouvez définir le comportement d'échantillonnage avec temperature et top_p, rendre les exécutions reproductibles avec seed, plafonner la longueur de la réponse avec max_tokens, demander du JSON ou une autre forme structurée avec response_format, et transmettre des définitions d'outils avec tools et tool_choice. Les paramètres reasoning et include_reasoning contrôlent si une sortie de raisonnement est demandée et si elle est renvoyée.

Gardez le plafond de sortie de 32768 tokens à l'esprit lorsque vous planifiez de longues générations, et notez que le modèle renvoie uniquement du texte, donc tout traitement d'image ou de vidéo se fait côté entrée. Si votre tâche est purement textuelle et ne bénéficie pas du contexte long ni des entrées multimodales, un modèle plus petit uniquement texte peut être plus simple à utiliser.