Gemma 4 26B A4B (free) API
Gemma 4 26B A4B 是 Google DeepMind 推出的开放权重 MoE 模型，兼顾高性能与低推理成本。
Gemma 4 26B A4B 属于 Gemma 4 模型家族，采用 Mixture-of-Experts（MoE）架构，总参数约 252 亿，但生成每个 token 时仅激活约 38 亿参数，从而在保持高性能的同时大幅降低推理计算资源需求。它支持文本与图像输入、文本输出，上下文长度达 25.6 万个 token，并内置可配置思维模式、原生函数调用、原生系统提示以及多 token 预测功能。
该模型性能达到 31B 密集模型的 97%，在编码基准方面有显著改进，适合高吞吐量场景、高级推理任务、智能体工作流、编码辅助与软件开发、多模态理解以及构建自主代理系统。同时，它支持多种精度格式，包括默认的 16 位精度和通过量化实现的更低精度，可在配备 32GB 内存的 M2 MacBook Pro 等设备上运行，便于本地部署和边缘计算。
Gemma 4 26B A4B IT 是经过指令微调的版本，专门针对对话和指令遵循任务优化；基础版本则更适合需要进一步微调以满足特定需求的开发者。模型通过 Kaggle、Hugging Face、NVIDIA NGC 等多个平台分发，并在 Google Cloud 的 Model Garden 上以完全托管和无服务器形式提供。
更新时间:
模型 ID
gemma-4-26b-a4b-it:free- 上下文
- 262.144K
- 最大输出
- 32.768K
- 推荐 API
- messages
- 输入
- image / text / video
- 输出
- text
核心要点
- MoE 架构，总参数约 252 亿
- 每 token 仅激活约 38 亿参数
- 性能达 31B 密集模型的 97%
- 支持文本与图像输入
- 内置可配置思维模式
- 支持原生函数调用与系统提示
供应商
比较不同供应商的调用价格，点击供应商可查看完整费用和适用条件。
| $0 | $0 |
基准测试
- 82.6%
MMLU Pro
31B 密集模型为 85.2%
- 仅低0.9个百分点
AIME 2026
对比31B模型
分数来自模型厂商公布的数据，未独立验证。
推理能力
- 默认启用
- 否
- 始终启用
- 否
填入 API key
从 Felo API Platform 账户创建 key，并设置为环境变量。
export FELO_API_KEY="YOUR_API_KEY"发起第一次请求
使用该模型 ID 调用 Felo API Platform endpoint。可选请求头如 X-Request-Id 能帮助排查问题。
gemma-4-26b-a4b-it:free该模型支持推理。如果所选协议和模型路由暴露推理控制，请在继续对话时保留返回的推理元数据。
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());使用第三方 SDK
兼容 SDK 只需把 baseURL 设置为 https://openapi.felo.ai/api/v1. Claude 风格客户端使用 Anthropic-compatible base URL。 https://openapi.felo.ai/api.
启用流式输出
加入 stream: true，即可以 server-sent events 接收响应。
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 提供兼容的模型调用入口。选择你的应用或 Agent 客户端已经支持的接口即可。
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messages参数
modelstringgemma-4-26b-a4b-it:freePublic model ID to call.max_tokensinteger—Maximum generated tokens.messagesarray—Conversation messages for Chat Completions.include_reasoning———reasoning———response_formatobject—Request structured output when supported.seed———temperaturenumber—Controls response variety when supported.tool_choicestring or object—Controls whether a tool should be called.toolsarray—Tool calling definitions following compatible schema.top_p———常见问题
什么是 Gemma 4 26B A4B (free)?
Gemma 4 26B A4B 属于 Gemma 4 模型家族，采用 Mixture-of-Experts（MoE）架构，总参数约 252 亿，但生成每个 token 时仅激活约 38 亿参数，从而在保持高性能的同时大幅降低推理计算资源需求。它支持文本与图像输入、文本输出，上下文长度达 25.6 万个 token，并内置可配置思维模式、原生函数调用、原生系统提示以及多 token 预测功能。 该模型性能达到 31B 密集模型的 97%，在编码基准方面有显著改进，适合高吞吐量场景、高级推理任务、智能体工作流、编码辅助与软件开发、多模态理解以及构建自主代理系统。同时，它支持多种精度格式，包括默认的 16 位精度和通过量化实现的更低精度，可在配备 32GB 内存的 M2 MacBook Pro 等设备上运行，便于本地部署和边缘计算。 Gemma 4 26B A4B IT 是经过指令微调的版本，专门针对对话和指令遵循任务优化；基础版本则更适合需要进一步微调以满足特定需求的开发者。模型通过 Kaggle、Hugging Face、NVIDIA NGC 等多个平台分发，并在 Google Cloud 的 Model Garden 上以完全托管和无服务器形式提供。
如何计算调用费用？
费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格，详见计费明细。
Gemma 4 26B A4B 支持哪些输入和输出？
它支持文本输入和图像输入，输出为文本。
这个模型的上下文长度是多少？
上下文长度达 25.6 万个 token。
它适合哪些任务？
适合高吞吐量场景、高级推理任务、智能体工作流、编码辅助与软件开发、多模态理解以及构建自主代理系统等。
IT 版本和基础版本有什么区别？
Gemma 4 26B A4B IT 是经过指令微调的版本，专门针对对话和指令遵循任务优化；基础版本更适合需要进一步微调以满足特定需求的开发者。
它能在本地设备上运行吗？
可以，它支持多种精度格式，可在配备 32GB 内存的 M2 MacBook Pro 等设备上运行。
相关模型
Gemini 3.8 Flash
Googlegemini-3.8-flashGemini 3.8 Flash 是 Google 面向智能体任务的主力模型，在速度与成本之间取得平衡，支持百万级上下文与多模态输入。
上下文
1.049M
最大输出
65.536K
输入 tokens
$1.5 / 1M tokens
输出 tokens
$7.5 / 1M tokens
Gemini 4 Argon
Googlegemini-4-argonGoogle 旗舰前沿模型，拥有 100 万 token 上下文与最长 100 万 token 输出，面向软件工程、企业知识型工作与网络安全防御。
上下文
1.049M
最大输出
943.718K
输入 tokens
$4 / 1M tokens
输出 tokens
$20 / 1M tokens