Google: Gemma 4 26B A4B

Google Gemma 4 26B A4B IT adalah model yang disetel dengan instruksi dari Google DeepMind, dirilis pada 3 April 2026. Model ini termasuk dalam keluarga Gemma dan menggunakan arsitektur Mixture-of-Experts (MoE): model ini memiliki total 25,2B parameter, tetapi hanya 3,8B yang aktif per token selama inferensi. Desain itulah yang dimaksud dengan "A4B" pada namanya, dan Google memposisikannya sebagai model yang memberikan kualitas mendekati model 31B sambil menjaga komputasi aktif per token jauh lebih kecil.

Pada intinya model ini menerima teks dan menghasilkan teks, tetapi ia menerima lebih dari sekadar teks. Modalitas masukannya adalah gambar, teks dan video, jadi Anda dapat mengirim tangkapan layar, foto atau bingkai video bersama prompt. Keluarannya hanya teks. Jendela konteksnya adalah 262.144 token, dan keluaran maksimumnya adalah 235.929 token, yang luar biasa besar dan membuat pembuatan teks panjang serta pemrosesan seluruh dokumen menjadi praktis, bukan sesuatu yang harus dipecah-pecah secara agresif.

Kemampuan tersebut mengarah pada beberapa kasus penggunaan yang wajar. Pekerjaan berkonteks panjang seperti meringkas atau menanyakan basis kode besar, kontrak, makalah penelitian atau riwayat tiket dukungan cocok dengan jendela 262k. Karena gambar dan video diterima sebagai masukan, Anda dapat membangun alur kerja seputar tanya jawab visual, mengekstrak data terstruktur dari tangkapan layar, atau mendeskripsikan dan menalar tentang konten video. Penyetalan instruksi plus pemanggilan alat membuatnya cocok untuk pipeline bergaya agen, dan keluaran terstruktur membantu ketika Anda membutuhkan respons JSON atau yang sesuai skema, bukan teks bebas.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "google/gemma-4-26b-a4b-it". Karena antarmukanya mengikuti bentuk chat completions OpenAI, SDK dan klien yang sudah ada umumnya berfungsi hanya dengan mengubah base URL dan key. Parameter permintaan yang didukung adalah frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs dan top_p. Reasoning dan include_reasoning memungkinkan Anda mengontrol apakah konten penalaran dimunculkan, dan tools dengan tool_choice mencakup pemanggilan fungsi.

Mengenai batasan, hal utama yang perlu diperhitungkan adalah keluarannya hanya teks, jadi tugas apa pun yang membutuhkan gambar, audio atau video yang dihasilkan memerlukan model lain. Batas konteks dan keluaran yang besar itu memang lega, tetapi tidak menghilangkan kebutuhan untuk mengelola anggaran token di aplikasi Anda sendiri. Jika beban kerja Anda adalah pembuatan teks pendek dan sederhana, model yang lebih kecil dan lebih cepat mungkin lebih cocok; Gemma 4 26B A4B IT paling masuk akal ketika Anda benar-benar membutuhkan konteks panjang, masukan multimodal atau penggunaan alat.