Gemma 4 26B A4B (free) API
Modèle multimodal open-weight de Google DeepMind, avec une architecture Mixture-of-Experts de 26B paramètres totaux et 4B actifs, un contexte de 256K tokens et plus de 140 langues prises en charge.
Gemma 4 26B A4B est un modèle multimodal open-weight de Google DeepMind, distribué sous licence Apache 2.0 et utilisable à des fins commerciales. Son architecture Mixture-of-Experts compte 26B paramètres totaux, dont 4B actifs à l'inférence, ce qui le rend compatible avec des GPU grand public et des stations de travail. Il accepte en entrée du texte, des images et de la vidéo, et produit du texte. Son contexte atteint 256K tokens, et il traite les vidéos jusqu'à 60 secondes à raison d'une image par seconde.
Le modèle prend en charge un mode de raisonnement configurable, des appels de fonctions natifs pour construire des agents autonomes et des prompts système natifs pour des conversations structurées et contrôlables. Il gère les images aux ratios d'aspect et aux résolutions variables, et couvre plus de 140 langues. Il est particulièrement adapté à l'assistance au code dans les IDE, les assistants de codage et les workflows agentiques, ainsi qu'à la génération, au débogage et à la refactorisation de code, aux requêtes scientifiques et à la résolution de problèmes mathématiques, à la recherche documentaire, à l'analyse de documents et à l'OCR, aux questions-réponses sur images, à la compréhension vidéo, et au traitement de documents à grande échelle et aux systèmes RAG.
Ses points forts incluent un bon équilibre entre intelligence et efficacité paramétrique, avec des performances proches du modèle dense 31B pour une vitesse d'inférence nettement supérieure. Il affiche environ 91 tokens par seconde en sortie, au-dessus de la médiane d'environ 81 tokens par seconde des modèles open-weight de taille similaire, et un temps jusqu'au premier token d'environ 0,92 seconde, plus rapide que la médiane de 1,08 seconde. Il ne prend pas en charge l'audio nativement, cette capacité étant réservée aux modèles plus petits E2B, E4B et 12B ; ses scores restent légèrement inférieurs à ceux du modèle 31B de la même famille.
Mis à jour:
ID DU MODÈLE
gemma-4-26b-a4b-it:free- Contexte
- 262.144K
- Sortie max.
- 32.768K
- API recommandée
- messages
- Entrée
- image / text / video
- Sortie
- text
Points clés
- Architecture Mixture-of-Experts : 26B paramètres totaux, 4B actifs
- Contexte de 256K tokens
- Entrées texte, image et vidéo
- Mode de raisonnement configurable
- Appels de fonctions natifs pour agents
- Licence Apache 2.0, usage commercial autorisé
Fournisseurs
Comparez les prix des API entre fournisseurs. Sélectionnez un fournisseur pour voir tous les tarifs et conditions.
| $0 | $0 |
Benchmarks
- 82.6%
MMLU Pro
Score sur le benchmark MMLU Pro
- 88.3%
AIME 2026 (sans outils)
Score sur AIME 2026 sans recours à des outils
- 77.1%
LiveCodeBench v6
Score sur LiveCodeBench v6
- 82.3%
GPQA Diamond
Score sur GPQA Diamond
- 1718
Codeforces ELO
Classement Elo sur Codeforces
- 73.8%
MMMU Pro
Score sur MMMU Pro
- 82.4%
MATH-Vision
Score sur MATH-Vision
- 44.1%
MRCR v2 8 needle 128k
Évaluation sur contexte long
Scores tels que publiés par le fournisseur du modèle.
Raisonnement
- Activé par défaut
- Non
- Toujours activé
- Non
Démarrage rapide
Un code prêt à l'emploi pour appeler ce modèle avec les API compatibles de Felo API Platform. Commencez dans le Playground pour tester des prompts avant d'écrire du code.
Configurer votre clé API
Créez une clé depuis votre compte Felo API Platform et définissez-la comme variable d'environnement.
export FELO_API_KEY="YOUR_API_KEY"Effectuer votre première requête
Utilisez cet ID de modèle avec le point de terminaison Felo API Platform. Les en-têtes de requête facultatifs comme X-Request-Id facilitent le diagnostic.
gemma-4-26b-a4b-it:freeCe modèle est capable de raisonnement. Si le protocole sélectionné et la route du modèle exposent des contrôles de raisonnement, conservez les métadonnées de raisonnement renvoyées lorsque vous poursuivez la conversation.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "gemma-4-26b-a4b-it:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Utiliser des SDK tiers
Avec les SDK compatibles, définissez baseURL sur https://openapi.felo.ai/api/v1. Pour les clients de style Claude, utilisez l'URL de base compatible Anthropic. https://openapi.felo.ai/api.
Activer le streaming
Ajoutez stream: true pour recevoir les réponses sous forme de server-sent events.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemma-4-26b-a4b-it:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform expose des surfaces d'appel de modèles compatibles. Choisissez la surface que votre application ou votre client agent prend déjà en charge.
Messages
Messages compatibles Anthropic pour les clients de style Claude.
POST
https://openapi.felo.ai/api/v1/messagesParamètres
modelstringgemma-4-26b-a4b-it:freeID public du modèle à appeler.max_tokensinteger—Nombre maximal de tokens générés.messagesarray—Messages de la conversation pour Chat Completions.include_reasoning———reasoning———response_formatobject—Demande une sortie structurée lorsque c'est pris en charge.seed———temperaturenumber—Contrôle la variété des réponses lorsque c'est pris en charge.tool_choicestring or object—Contrôle si un outil doit être appelé.toolsarray—Définitions de tool calling conformes au schéma compatible.top_p———Questions fréquentes
Qu'est-ce que Gemma 4 26B A4B (free)?
Gemma 4 26B A4B est un modèle multimodal open-weight de Google DeepMind, distribué sous licence Apache 2.0 et utilisable à des fins commerciales. Son architecture Mixture-of-Experts compte 26B paramètres totaux, dont 4B actifs à l'inférence, ce qui le rend compatible avec des GPU grand public et des stations de travail. Il accepte en entrée du texte, des images et de la vidéo, et produit du texte. Son contexte atteint 256K tokens, et il traite les vidéos jusqu'à 60 secondes à raison d'une image par seconde. Le modèle prend en charge un mode de raisonnement configurable, des appels de fonctions natifs pour construire des agents autonomes et des prompts système natifs pour des conversations structurées et contrôlables. Il gère les images aux ratios d'aspect et aux résolutions variables, et couvre plus de 140 langues. Il est particulièrement adapté à l'assistance au code dans les IDE, les assistants de codage et les workflows agentiques, ainsi qu'à la génération, au débogage et à la refactorisation de code, aux requêtes scientifiques et à la résolution de problèmes mathématiques, à la recherche documentaire, à l'analyse de documents et à l'OCR, aux questions-réponses sur images, à la compréhension vidéo, et au traitement de documents à grande échelle et aux systèmes RAG. Ses points forts incluent un bon équilibre entre intelligence et efficacité paramétrique, avec des performances proches du modèle dense 31B pour une vitesse d'inférence nettement supérieure. Il affiche environ 91 tokens par seconde en sortie, au-dessus de la médiane d'environ 81 tokens par seconde des modèles open-weight de taille similaire, et un temps jusqu'au premier token d'environ 0,92 seconde, plus rapide que la médiane de 1,08 seconde. Il ne prend pas en charge l'audio nativement, cette capacité étant réservée aux modèles plus petits E2B, E4B et 12B ; ses scores restent légèrement inférieurs à ceux du modèle 31B de la même famille.
Comment l'usage est-il facturé ?
Votre facture dépend du fournisseur utilisé, de ses tarifs et de votre usage. Des entrées plus longues ou d'autres conditions peuvent avoir des tarifs différents.
Quels types d'entrées le modèle accepte-t-il ?
Il accepte du texte, des images et de la vidéo en entrée, et produit du texte en sortie. Il ne prend pas en charge l'audio nativement.
Quelle est la longueur de contexte prise en charge ?
Le modèle dispose d'un contexte de 256K tokens. Il traite les vidéos jusqu'à 60 secondes à raison d'une image par seconde.
À quelles tâches est-il le mieux adapté ?
Il convient à l'assistance au code, aux workflows agentiques, aux requêtes scientifiques et mathématiques, à l'analyse de documents et à l'OCR, aux questions-réponses sur images, à la compréhension vidéo et aux systèmes RAG à grande échelle.
Quelle est la différence avec le modèle Gemma 4 31B ?
Le 26B A4B offre des performances proches du modèle dense 31B, avec une vitesse d'inférence nettement supérieure. Ses scores restent légèrement inférieurs à ceux du 31B sur les benchmarks.
Quelle est la différence avec les modèles E2B, E4B et 12B ?
Le 26B A4B se positionne comme le modèle intermédiaire de la gamme, entre les petits modèles orientés edge E2B et E4B et le grand modèle 31B orienté entreprise. Contrairement au 26B A4B, les modèles E2B, E4B et 12B prennent en charge l'audio.
Modèles liés
Gemini 3.8 Flash
Googlegemini-3.8-flashGemini 3.8 Flash est le modèle Flash le plus intelligent de Google, conçu pour le raisonnement multimodal, les agents autonomes et les flux de travail d'entreprise complexes.
Contexte
1.049M
Sortie max.
65.536K
Tokens d'entrée
$1.5 / 1M tokens
Tokens de sortie
$7.5 / 1M tokens
Gemini 4 Argon
Googlegemini-4-argonGemini 4 Argon est le premier modèle de la génération Gemini 4 de Google, conçu pour les tâches complexes de longue durée en ingénierie logicielle, en travail de connaissance en entreprise et en cyberdéfense.
Contexte
1.049M
Sortie max.
943.718K
Tokens d'entrée
$4 / 1M tokens
Tokens de sortie
$20 / 1M tokens