Google: Gemma 4 26B A4B (free)

Gemma 4 26B A4B IT è un modello Mixture-of-Experts ottimizzato per le istruzioni di Google, pubblicato sotto la famiglia Gemma di Google DeepMind. Ha 25,2B parametri totali, ma solo 3,8B si attivano per token durante l'inferenza, che è la scelta progettuale dietro il nome A4B. È un modello testuale nel catalogo di api14, e la data di rilascio del provider è 2026-04-03. La versione servita qui è la variante gratuita, identificata come google/gemma-4-26b-a4b-it:free.

Sul lato input, il modello accetta testo, immagini e video, e produce solo testo. La finestra di contesto è di 262144 token, e l'output massimo è di 32768 token. Poiché è ottimizzato per le istruzioni, è pensato per seguire i prompt direttamente anziché continuare testo grezzo. La struttura mixture-of-experts significa che si ottiene un conteggio totale di parametri relativamente grande mentre solo una piccola frazione dei pesi è attiva per token, il che è rilevante se si tiene conto della velocità di elaborazione o dell'efficienza di servizio anziché del solo conteggio grezzo dei parametri.

Queste capacità indicano alcuni schemi pratici. Documenti lunghi, grandi basi di codice o trascrizioni estese rientrano comodamente nel contesto di 262144 token, quindi riassunto, risposta a domande su un intero repository e analisi multi-documento sono applicazioni ragionevoli. Gli input multimediali misti lo rendono utilizzabile per attività che combinano screenshot, diagrammi o fotogrammi video con istruzioni scritte, come estrarre dettagli strutturati da una procedura registrata o descrivere cosa accade in una clip insieme a un prompt testuale. Il supporto per il richiamo di strumenti e l'output strutturato lo rende un candidato per flussi di lavoro in stile agente e per pipeline in cui la risposta deve conformarsi a uno schema.

Lo si chiama tramite l'API compatibile con OpenAI di api14 usando l'id del modello "google/gemma-4-26b-a4b-it:free". I parametri di richiesta supportati sono include_reasoning, max_tokens, reasoning, response_format, seed, temperature, tool_choice, tools e top_p. In pratica ciò significa che è possibile impostare il comportamento di campionamento con temperature e top_p, rendere le esecuzioni riproducibili con seed, limitare la lunghezza della risposta con max_tokens, richiedere JSON o un'altra forma strutturata con response_format, e passare definizioni di strumenti con tools e tool_choice. I parametri reasoning e include_reasoning controllano se viene richiesto l'output di ragionamento e se viene restituito.

Tenere presente il limite di output di 32768 token quando si pianificano generazioni lunghe, e notare che il modello restituisce solo testo, quindi qualsiasi gestione di immagini o video avviene sul lato input. Se l'attività è puramente testuale e non trae vantaggio dal contesto lungo o dagli input multimodali, un modello più piccolo solo testuale potrebbe essere più semplice da usare.