Google : Gemma 4 26B A4B

Gemma 4 26B A4B ou Gemma 4 31B : lequel choisir ?

Gemma 4 26B A4B vise une faible latence à sa sortie, selon Google. Pour la qualité brute et comme base d’affinage, Google destine Gemma 4 31B, à architecture dense, à ces usages.

À leur sortie, Google propose quatre tailles : E2B, E4B, 26B à mélange d’experts, ou MoE, et 31B dense. Avec son mélange d’experts, la variante 26B n’active que 3,8 milliards de paramètres pendant l’inférence, c’est-à-dire le calcul qui produit la réponse, selon Google. Elle tourne alors presque aussi vite qu’un modèle de 4 milliards de paramètres, selon Google, qui la destine aux usages sensibles à la latence.

Sur MMLU Pro, à leur sortie, Gemma 4 26B A4B obtient 82,6 % contre 85,2 % pour Gemma 4 31B, selon Google. Pour GPQA Diamond, les résultats à leur sortie atteignent respectivement 82,3 % pour la variante à mélange d’experts et 84,3 % pour la variante dense, selon Google.

À quoi sert Gemma 4 26B A4B

Chat et agents

Gemma 4 26B A4B peut animer des interfaces conversationnelles de service client, des assistants virtuels et des applications interactives, selon Google. Pour construire des agents utilisant des outils et des API, Google annonce la prise en charge native de l’appel de fonctions, de la sortie structurée au format JSON et des instructions système.

Vision et documents

Selon Google, le modèle comprend les images et prend en charge la détection d’objets, l’analyse de documents et de PDF, ainsi que la compréhension d’écrans et d’interfaces. Ses capacités visuelles comprennent aussi la lecture de graphiques, la reconnaissance optique de caractères (OCR) multilingue et la reconnaissance de l’écriture manuscrite, selon Google.

Mathématiques

À sa sortie, le modèle obtient 88,3 % sur AIME 2026 sans outils, selon la carte Hugging Face publiée par Google. Sur MATH-Vision, qui évalue les mathématiques avec une composante visuelle, son score à la sortie atteint 82,4 %, selon la carte Hugging Face de Google.

Code

Selon Google, le modèle prend en charge la génération, la complétion et la correction de code. Pour cet usage, Google décrit aussi un assistant de code local sur une station de travail, capable d’écrire du code hors ligne.

Les performances de Gemma 4 26B A4B

Gemma 4 26B A4B affiche, à sa sortie, les scores du modèle instruit, selon la carte Hugging Face de Google. Le tableau rassemble les résultats annoncés par Google pour chaque évaluation.

Sur AIME 2026, selon la carte Hugging Face de Google, Gemma 4 26B A4B obtient à sa sortie 88,3 % sans outils, contre 20,8 % pour Gemma 3 27B sans réflexion.

Bien utiliser Gemma 4 26B A4B : réflexion et effort

Gemma 4 26B A4B a la réflexion désactivée par défaut sur OpenRouter. Sur OpenRouter, cette réflexion n’est pas obligatoire et peut être désactivée.

1. Activer ou désactiver la réflexion : selon Google, la réflexion s’active par un jeton de contrôle placé au début du prompt système, la consigne système du modèle. Selon Google, retirer ce jeton désactive la réflexion. Même désactivée, elle laisse apparaître les balises de réflexion avec un bloc vide, selon Google.
2. Régler l’échantillonnage : selon Google, les réglages recommandés sont temperature 1.0, top_p 0.95 et top_k 64.
3. Ajuster le budget d’une image : selon Google, le budget se règle à 70, 140, 280, 560 ou 1120 jetons par image. Pour la classification, le sous-titrage ou la vidéo, Google recommande un budget bas. Pour l’OCR, la reconnaissance optique de caractères, l’analyse de documents ou les petits textes, Google recommande un budget haut.

Caractéristiques techniques de Gemma 4 26B A4B

Gemma 4 26B A4B est sorti le 2 avril 2026. Le tableau des caractéristiques rassemble la fenêtre de contexte, la sortie maximale et les autres propriétés techniques du modèle.

Selon Google, son architecture à mélange d’experts mobilise un sous-ensemble des paramètres pendant l’inférence, c’est-à-dire pendant la production d’une réponse. Dans le nom du modèle, le « A » désigne les paramètres actifs, selon Google. Sur OpenRouter, la sortie maximale correspond au plafond de tokens produits par réponse. Selon Google, le modèle a une fenêtre de contexte de 256K tokens.

Selon Google, le mélange d’experts compte 25,2 milliards de paramètres, dont 3,8 milliards actifs, répartis sur 30 couches. Pour chaque traitement, le modèle active 8 experts sur 128, plus un expert partagé, selon Google. Ses données de pré-entraînement s’arrêtent à janvier 2025, selon Google. Il est publié sous licence Apache 2.0, selon la carte Hugging Face de Google.

Où utiliser Gemma 4 26B A4B, et comment il se facture

Gemma 4 26B A4B s’essaie dans Google AI Studio à sa sortie, selon Google. La carte d’accès donne les derniers prix relevés.

• Poids ouverts : à sa sortie, selon Google, les poids du modèle se téléchargent sur Hugging Face, Kaggle ou Ollama.
• Exécution locale : à sa sortie, selon Google, les poids non quantifiés au format bfloat16 tiennent sur un seul GPU NVIDIA H100 de 80 Go. Selon Google, à sa sortie, des versions quantifiées peuvent aussi fonctionner sur des GPU grand public.
• Déploiement sur Google Cloud : à sa sortie, selon Google, le modèle se déploie par Vertex AI, Cloud Run ou GKE.

Gemma 4 26B A4B parmi les versions de Gemma

Gemma 4 26B A4B et Gemma 4 31B sont sortis le même jour : ce sont deux tailles de la même génération. Dans l’histoire de la famille, Gemma 2 27B puis Gemma 3 27B précèdent cette génération. La frise des versions situe ces modèles dans la famille et porte leurs dates de sortie.

FAQ