Gemma 4 26B A4B (free) API
Gemma 4 26B A4B là mô hình đa phương thức trọng số mở của Google DeepMind, dùng kiến trúc Mixture-of-Experts với 26 tỷ tham số và 4 tỷ tham số hoạt động, hỗ trợ ngữ cảnh 256K token, xử lý văn bản, hình ảnh và video trong hơn 140 ngôn ngữ.
Gemma 4 26B A4B là mô hình trọng số mở đa phương thức do Google DeepMind phát triển, sử dụng kiến trúc Mixture-of-Experts với tổng cộng 26 tỷ tham số nhưng chỉ kích hoạt khoảng 4 tỷ tham số khi suy luận. Mô hình nhận đầu vào văn bản, hình ảnh và video, tạo đầu ra văn bản, với cửa sổ ngữ cảnh lên tới 256K token. Mô hình hỗ trợ chế độ suy nghĩ có thể cấu hình, gọi hàm gốc để xây dựng tác nhân tự động và lời nhắc hệ thống gốc cho hội thoại có cấu trúc. Hình ảnh có thể có tỷ lệ khung hình và độ phân giải thay đổi, còn video được xử lý tối đa 60 giây ở tốc độ 1 khung hình mỗi giây. Mô hình hỗ trợ hơn 140 ngôn ngữ.
Nhờ sự cân bằng giữa trí tuệ và hiệu quả tham số, mô hình có thể chạy trên GPU tiêu dùng và máy trạm, đồng thời đạt hiệu năng gần mức tiên tiến. Theo tài liệu, mô hình có hiệu năng gần mô hình 31B dense nhưng tốc độ suy luận nhanh hơn nhiều, với tốc độ đầu ra khoảng 91 token mỗi giây so với mức trung vị khoảng 81 token mỗi giây của các mô hình trọng số mở cùng kích thước, và thời gian tới token đầu tiên khoảng 0,92 giây so với trung vị 1,08 giây. Mô hình cũng được ghi nhận đạt trong phạm vi 2% của mô hình 31B trên mọi bài đánh giá được thử nghiệm.
Mô hình phù hợp cho hỗ trợ lập trình trong IDE, trợ lý mã và quy trình tác nhân; tạo mã, gỡ lỗi và tái cấu trúc mã; truy vấn khoa học và giải bài toán; hỗ trợ nghiên cứu; phân tích tài liệu và OCR; hỏi đáp dựa trên hình ảnh; hiểu video; và xử lý tài liệu quy mô lớn cùng hệ thống RAG. Mô hình được cấp phép Apache 2.0 và có thể dùng cho mục đích thương mại, hiện có trên Cloudflare, Google Cloud Vertex AI, NVIDIA NGC và Azure ML, với quyền truy cập API từ 7 nhà cung cấp. Một hạn chế là mô hình không hỗ trợ âm thanh gốc; xử lý âm thanh chỉ có ở các mô hình nhỏ hơn là E2B, E4B và 12B.
Cập nhật:
ID MÔ HÌNH
gemma-4-26b-a4b-it:free- Ngữ cảnh
- 262.144K
- Đầu ra tối đa
- 32.768K
- API đề xuất
- messages
- Đầu vào
- image / text / video
- Đầu ra
- text
Điểm nổi bật
- Kiến trúc Mixture-of-Experts 26B tổng, 4B hoạt động
- Ngữ cảnh 256K token
- Đầu vào văn bản, hình ảnh và video
- Hỗ trợ hơn 140 ngôn ngữ
- Chế độ suy nghĩ có thể cấu hình
- Giấy phép Apache 2.0, dùng thương mại được
Nhà cung cấp
So sánh giá API giữa các nhà cung cấp. Chọn một nhà cung cấp để xem toàn bộ chi phí và điều kiện.
| $0 | $0 |
Điểm chuẩn
- 82.6%
MMLU Pro
Điểm đánh giá MMLU Pro
- 88.3%
AIME 2026 (không dùng công cụ)
Điểm đánh giá AIME 2026 khi không dùng công cụ
- 77.1%
LiveCodeBench v6
Điểm đánh giá LiveCodeBench v6
- 82.3%
GPQA Diamond
Điểm đánh giá GPQA Diamond
- 1718
Codeforces ELO
Điểm xếp hạng Elo
- 73.8%
MMMU Pro
Điểm đánh giá MMMU Pro
- 82.4%
MATH-Vision
Điểm đánh giá MATH-Vision
- 44.1%
MRCR v2 8 needle 128k
Đánh giá ngữ cảnh dài
Điểm số theo công bố của nhà cung cấp mô hình.
Suy luận
- Bật theo mặc định
- Không
- Luôn bật
- Không
Bắt đầu nhanh
Mã dùng ngay để gọi mô hình này bằng các API tương thích của Felo API Platform. Bắt đầu trong Playground khi bạn muốn thử prompt trước khi viết mã.
Thiết lập khóa API
Tạo khóa trong tài khoản Felo API Platform của bạn và đặt làm biến môi trường.
export FELO_API_KEY="YOUR_API_KEY"Gửi yêu cầu đầu tiên
Dùng ID mô hình này với endpoint Felo API Platform. Các header tùy chọn như X-Request-Id có thể giúp khắc phục sự cố.
gemma-4-26b-a4b-it:freeMô hình này có khả năng suy luận. Nếu giao thức và route mô hình bạn chọn có hỗ trợ điều khiển suy luận, hãy giữ nguyên siêu dữ liệu suy luận được trả về khi tiếp tục hội thoại.
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());Dùng SDK bên thứ ba
Trong các SDK tương thích, đặt baseURL thành https://openapi.felo.ai/api/v1. Với các client kiểu Claude, dùng base URL tương thích Anthropic. https://openapi.felo.ai/api.
Bật streaming
Thêm stream: true để nhận phản hồi dưới dạng 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 cung cấp các giao diện gọi mô hình tương thích. Chọn giao diện mà ứng dụng hoặc client agent của bạn đã hỗ trợ.
Messages
Tin nhắn tương thích Anthropic cho client kiểu Claude.
POST
https://openapi.felo.ai/api/v1/messagesTham số
modelstringgemma-4-26b-a4b-it:freeID mô hình công khai cần gọi.max_tokensinteger—Số token tối đa được tạo.messagesarray—Tin nhắn hội thoại cho Chat Completions.include_reasoning———reasoning———response_formatobject—Yêu cầu đầu ra có cấu trúc khi được hỗ trợ.seed———temperaturenumber—Điều chỉnh độ đa dạng của phản hồi khi được hỗ trợ.tool_choicestring or object—Điều chỉnh việc có nên gọi một công cụ hay không.toolsarray—Định nghĩa tool calling theo schema tương thích.top_p———Câu hỏi thường gặp
Tìm hiểu Gemma 4 26B A4B (free)?
Gemma 4 26B A4B là mô hình trọng số mở đa phương thức do Google DeepMind phát triển, sử dụng kiến trúc Mixture-of-Experts với tổng cộng 26 tỷ tham số nhưng chỉ kích hoạt khoảng 4 tỷ tham số khi suy luận. Mô hình nhận đầu vào văn bản, hình ảnh và video, tạo đầu ra văn bản, với cửa sổ ngữ cảnh lên tới 256K token. Mô hình hỗ trợ chế độ suy nghĩ có thể cấu hình, gọi hàm gốc để xây dựng tác nhân tự động và lời nhắc hệ thống gốc cho hội thoại có cấu trúc. Hình ảnh có thể có tỷ lệ khung hình và độ phân giải thay đổi, còn video được xử lý tối đa 60 giây ở tốc độ 1 khung hình mỗi giây. Mô hình hỗ trợ hơn 140 ngôn ngữ. Nhờ sự cân bằng giữa trí tuệ và hiệu quả tham số, mô hình có thể chạy trên GPU tiêu dùng và máy trạm, đồng thời đạt hiệu năng gần mức tiên tiến. Theo tài liệu, mô hình có hiệu năng gần mô hình 31B dense nhưng tốc độ suy luận nhanh hơn nhiều, với tốc độ đầu ra khoảng 91 token mỗi giây so với mức trung vị khoảng 81 token mỗi giây của các mô hình trọng số mở cùng kích thước, và thời gian tới token đầu tiên khoảng 0,92 giây so với trung vị 1,08 giây. Mô hình cũng được ghi nhận đạt trong phạm vi 2% của mô hình 31B trên mọi bài đánh giá được thử nghiệm. Mô hình phù hợp cho hỗ trợ lập trình trong IDE, trợ lý mã và quy trình tác nhân; tạo mã, gỡ lỗi và tái cấu trúc mã; truy vấn khoa học và giải bài toán; hỗ trợ nghiên cứu; phân tích tài liệu và OCR; hỏi đáp dựa trên hình ảnh; hiểu video; và xử lý tài liệu quy mô lớn cùng hệ thống RAG. Mô hình được cấp phép Apache 2.0 và có thể dùng cho mục đích thương mại, hiện có trên Cloudflare, Google Cloud Vertex AI, NVIDIA NGC và Azure ML, với quyền truy cập API từ 7 nhà cung cấp. Một hạn chế là mô hình không hỗ trợ âm thanh gốc; xử lý âm thanh chỉ có ở các mô hình nhỏ hơn là E2B, E4B và 12B.
Cách tính phí sử dụng?
Hóa đơn của bạn phụ thuộc vào nhà cung cấp bạn dùng, giá của họ và mức sử dụng của bạn. Đầu vào dài hơn hoặc các điều kiện khác có thể có giá khác.
Mô hình nhận những loại đầu vào nào?
Mô hình nhận đầu vào văn bản, hình ảnh và video, đồng thời tạo đầu ra văn bản. Video được xử lý tối đa 60 giây ở tốc độ 1 khung hình mỗi giây, còn hình ảnh có thể có tỷ lệ khung hình và độ phân giải thay đổi.
Cửa sổ ngữ cảnh của mô hình là bao nhiêu?
Mô hình hỗ trợ ngữ cảnh lên tới 256K token.
Mô hình phù hợp cho những tác vụ nào?
Mô hình phù hợp cho hỗ trợ lập trình, tạo mã, gỡ lỗi và tái cấu trúc mã, truy vấn khoa học và giải bài toán, hỗ trợ nghiên cứu, phân tích tài liệu và OCR, hỏi đáp dựa trên hình ảnh, hiểu video và xử lý tài liệu quy mô lớn cùng hệ thống RAG.
Mô hình có hỗ trợ âm thanh không?
Mô hình không hỗ trợ âm thanh gốc. Xử lý âm thanh chỉ có ở các mô hình nhỏ hơn trong cùng dòng là E2B, E4B và 12B.
Mô hình khác gì so với Gemma 4 31B?
Gemma 4 26B A4B có hiệu năng gần mô hình 31B dense nhưng tốc độ suy luận nhanh hơn nhiều, và theo tài liệu đạt trong phạm vi 2% của mô hình 31B trên mọi bài đánh giá được thử nghiệm. Tuy vậy, mô hình vẫn thấp hơn một chút so với mô hình 31B trong cùng dòng Gemma 4.
Mô hình có hỗ trợ gọi hàm và lời nhắc hệ thống không?
Có. Mô hình hỗ trợ gọi hàm gốc để xây dựng tác nhân tự động và lời nhắc hệ thống gốc cho hội thoại có cấu trúc, có thể kiểm soát.
Mô hình liên quan
Gemini 3.8 Flash
Googlegemini-3.8-flashGemini 3.8 Flash là mô hình Flash thông minh nhất của Google, kế thừa Gemini 3.7 Flash, với cửa sổ ngữ cảnh 1.000.000 token và đầu ra tối đa 65.536 token, hỗ trợ đầu vào văn bản, hình ảnh, video, âm thanh và PDF.
Ngữ cảnh
1.049M
Đầu ra tối đa
65.536K
Token đầu vào
$1.5 / 1M token
Token đầu ra
$7.5 / 1M token
Gemini 4 Argon
Googlegemini-4-argonGemini 4 Argon là mô hình hàng đầu thế hệ Gemini 4 của Google, nổi bật với cửa sổ ngữ cảnh 1.048.576 token và khả năng xử lý văn bản, hình ảnh, video, âm thanh cùng PDF cho các tác vụ phức tạp dài hơi.
Ngữ cảnh
1.049M
Đầu ra tối đa
943.718K
Token đầu vào
$4 / 1M token
Token đầu ra
$20 / 1M token