Google: Gemma 4 26B A4B

Google Gemma 4 26B A4B IT è un modello instruction-tuned di Google DeepMind, rilasciato il 3 aprile 2026. Appartiene alla famiglia Gemma e utilizza un'architettura Mixture-of-Experts (MoE): il modello contiene 25,2B parametri totali, ma solo 3,8B si attivano per token durante l'inferenza. Questa progettazione è ciò a cui si riferisce la "A4B" nel nome, e Google lo posiziona come in grado di offrire una qualità vicina a un modello da 31B mantenendo il calcolo attivo per token molto più contenuto.

Il modello è text-in, text-out nel suo nucleo, ma accetta più del solo testo. Le modalità di input sono immagine, testo e video, quindi puoi inviare screenshot, foto o fotogrammi video insieme a un prompt. L'output è solo testo. La finestra di contesto è di 262.144 token, e l'output massimo è di 235.929 token, una dimensione insolitamente ampia che rende pratiche la generazione di testi lunghi e l'elaborazione di interi documenti, invece di doverli suddividere in modo aggressivo.

Queste capacità indicano alcuni casi d'uso naturali. Il lavoro su contesti lunghi, come riassumere o interrogare grandi basi di codice, contratti, articoli di ricerca o cronologie di ticket di supporto, si adatta alla finestra da 262k. Poiché immagini e video sono accettati come input, puoi costruire flussi di lavoro basati su visual question answering, estrazione di dati strutturati da screenshot, o descrizione e ragionamento su contenuti video. L'instruction tuning insieme al tool calling lo rende adatto a pipeline in stile agente, e gli output strutturati sono utili quando ti servono risposte in JSON o conformi a uno schema invece che testo libero.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando il model id "google/gemma-4-26b-a4b-it". Poiché l'interfaccia segue la forma delle chat completions di OpenAI, gli SDK e i client esistenti generalmente funzionano con il solo cambio di base URL e chiave. I parametri di richiesta supportati sono 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 e top_p. Reasoning e include_reasoning ti permettono di controllare se il contenuto di ragionamento viene mostrato, e tools con tool_choice coprono il function calling.

Sui limiti, l'aspetto principale da considerare è che l'output è solo testo, quindi qualsiasi attività che richieda immagini, audio o video generati necessita di un modello diverso. Il contesto ampio e i tetti di output sono generosi, ma non eliminano la necessità di gestire i budget di token nella tua applicazione. Se il tuo carico di lavoro è una generazione di testo breve e semplice, un modello più piccolo e veloce potrebbe essere più adatto; Gemma 4 26B A4B IT ha più senso quando hai effettivamente bisogno del contesto lungo, dell'input multimodale o dell'uso di strumenti.