Google: Gemma 4 26B A4B (free)

Gemma 4 26B A4B IT, Google DeepMind के Gemma परिवार के अंतर्गत प्रकाशित, Google का एक instruction-tuned Mixture-of-Experts मॉडल है। इसमें कुल 25.2B पैरामीटर हैं, लेकिन inference के दौरान प्रति token केवल 3.8B सक्रिय होते हैं, यही डिज़ाइन विकल्प A4B नाम के पीछे है। यह api14 की सूची में एक टेक्स्ट मॉडल है, और provider की रिलीज़ तिथि 2026-04-03 है। यहाँ परोसा जाने वाला संस्करण मुफ़्त variant है, जिसकी पहचान google/gemma-4-26b-a4b-it:free है।

इनपुट की ओर, मॉडल टेक्स्ट, इमेज और वीडियो स्वीकार करता है, और यह केवल टेक्स्ट उत्पन्न करता है। context window 262144 tokens है, और अधिकतम आउटपुट 32768 tokens है। चूँकि यह instruction tuned है, इसका उद्देश्य कच्चे टेक्स्ट को जारी रखने के बजाय सीधे prompts का पालन करना है। mixture-of-experts लेआउट का मतलब है कि आपको अपेक्षाकृत बड़ी कुल पैरामीटर संख्या मिलती है जबकि प्रति token केवल वज़न का एक छोटा अंश सक्रिय होता है, जो प्रासंगिक है यदि आप केवल कुल पैरामीटर संख्या के बजाय throughput या serving दक्षता की परवाह करते हैं।

ये क्षमताएँ कुछ व्यावहारिक पैटर्न की ओर संकेत करती हैं। लंबे दस्तावेज़, बड़े codebases या विस्तारित transcripts 262144 token context के भीतर आराम से फिट हो जाते हैं, इसलिए summarisation, पूरे repository पर question answering, और multi-document विश्लेषण उचित हैं। मिश्रित-मीडिया इनपुट इसे उन कार्यों के लिए उपयोगी बनाते हैं जो screenshots, diagrams या वीडियो frames को लिखित निर्देशों के साथ जोड़ते हैं, जैसे किसी रिकॉर्ड किए गए walkthrough से संरचित विवरण निकालना या किसी clip में क्या होता है इसका वर्णन टेक्स्ट prompt के साथ करना। Tool calling और structured output समर्थन इसे agent-style workflows और उन pipelines के लिए उम्मीदवार बनाते हैं जहाँ प्रतिक्रिया को किसी schema के अनुरूप होना चाहिए।

आप इसे api14 के OpenAI-compatible API के माध्यम से model id "google/gemma-4-26b-a4b-it:free" का उपयोग करके कॉल करते हैं। समर्थित request parameters हैं include_reasoning, max_tokens, reasoning, response_format, seed, temperature, tool_choice, tools और top_p। व्यवहार में इसका मतलब है कि आप temperature और top_p के साथ sampling व्यवहार सेट कर सकते हैं, seed के साथ runs को प्रतिलिपि-योग्य बना सकते हैं, max_tokens के साथ उत्तर की लंबाई सीमित कर सकते हैं, response_format के साथ JSON या कोई अन्य संरचित आकार माँग सकते हैं, और tools तथा tool_choice के साथ tool परिभाषाएँ पास कर सकते हैं। reasoning और include_reasoning parameters नियंत्रित करते हैं कि reasoning आउटपुट माँगा गया है या नहीं और क्या वह लौटाया जाता है।

लंबी generations की योजना बनाते समय 32768 token आउटपुट सीमा को ध्यान में रखें, और ध्यान दें कि मॉडल केवल टेक्स्ट लौटाता है, इसलिए कोई भी image या video handling इनपुट पक्ष पर होता है। यदि आपका कार्य विशुद्ध रूप से टेक्स्ट है और लंबे context या multimodal इनपुट से लाभान्वित नहीं होता, तो एक छोटा text-only मॉडल उपयोग करने में सरल हो सकता है।