Google: Gemma 4 26B A4B (free)

Gemma 4 26B A4B IT é um modelo Mixture-of-Experts ajustado por instruções do Google, publicado sob a família Gemma do Google DeepMind. Tem 25,2B de parâmetros totais, mas apenas 3,8B são ativados por token durante a inferência, que é a escolha de design por trás do nome A4B. É um modelo de texto no catálogo da api14, e a data de lançamento do fornecedor é 2026-04-03. A versão servida aqui é a variante gratuita, identificada como google/gemma-4-26b-a4b-it:free.

No lado da entrada, o modelo aceita texto, imagens e vídeo, e produz apenas texto. A janela de contexto é de 262144 tokens, e a saída máxima é de 32768 tokens. Como é ajustado por instruções, destina-se a seguir prompts diretamente em vez de continuar texto bruto. A estrutura de mixture-of-experts significa que obtém uma contagem total de parâmetros relativamente grande enquanto apenas uma pequena fração dos pesos está ativa por token, o que é relevante se se preocupa com throughput ou eficiência de serving em vez de apenas com a contagem bruta de parâmetros.

Essas capacidades apontam para alguns padrões práticos. Documentos longos, bases de código grandes ou transcrições extensas cabem confortavelmente dentro do contexto de 262144 tokens, pelo que sumarização, resposta a perguntas sobre um repositório inteiro e análise de múltiplos documentos são aplicações razoáveis. Entradas de média mista tornam-no utilizável para tarefas que combinam capturas de ecrã, diagramas ou frames de vídeo com instruções escritas, como extrair detalhes estruturados de uma demonstração gravada ou descrever o que acontece num clipe juntamente com um prompt de texto. O suporte para chamadas de ferramentas e saída estruturada torna-o um candidato para fluxos de trabalho no estilo de agentes e para pipelines onde a resposta tem de estar em conformidade com um esquema.

Chama-o através da API compatível com OpenAI da api14 usando o id de modelo "google/gemma-4-26b-a4b-it:free". Os parâmetros de pedido suportados são include_reasoning, max_tokens, reasoning, response_format, seed, temperature, tool_choice, tools e top_p. Na prática, isso significa que pode definir o comportamento de amostragem com temperature e top_p, tornar as execuções reprodutíveis com seed, limitar o comprimento da resposta com max_tokens, pedir JSON ou outra forma estruturada com response_format, e passar definições de ferramentas com tools e tool_choice. Os parâmetros reasoning e include_reasoning controlam se a saída de raciocínio é pedida e se é devolvida.

Tenha em mente o teto de saída de 32768 tokens ao planear gerações longas, e note que o modelo devolve apenas texto, pelo que qualquer tratamento de imagem ou vídeo acontece no lado da entrada. Se a sua tarefa for puramente de texto e não beneficiar do contexto longo ou das entradas multimodais, um modelo menor apenas de texto pode ser mais simples de utilizar.