Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Google DeepMind · pașaport de model

Google: Gemma 4 26B A4B

gemma-4-26b-a4b-it

Ponderi deschise
25.8B parametri
262,144 context
Lansat 2026-03-11(repo HF creat)

Cea mai bună percentilă: 88.6Halucinații HHEM (Vectara)
Poziția în cohortă: 58.6mediană 57.2

Ce spun datele

Evaluat pe 3 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai puternice axe

88.6 pct — Halucinații HHEM (Vectara) (94.8%)

Neuniform: 34,3 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 88.6 pct pe Halucinații HHEM (Vectara) față de 54.3 pct pe GPQA Diamond.

Halucinații HHEM (Vectara)88.6 pct94.8%Verifică →
AIME (matematică)58.5 pct82.2%Verifică →
GPQA Diamond54.3 pct73.2%Verifică →
GeneralNeevaluat
WebDev ArenaNeevaluat
Vision ArenaNeevaluat
Factuality ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
ARC-AGI-2Neevaluat
Humanity's Last ExamNeevaluat
SimpleBenchNeevaluat
LiveBenchNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
MMLU-Pro (Artificial Analysis)Neevaluat
LiveCodeBench (Artificial Analysis)Neevaluat
IFBench (Artificial Analysis)Neevaluat
SWE-bench VerifiedNeevaluat
Terminal-BenchNeevaluat
ProgramareNeevaluat
Urmarea instrucțiunilorNeevaluat
Prompturi dificileNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Rulează-l singur

Repositorygoogle/gemma-4-26B-A4B-it

Parametri25.8B

ArhitecturăGemma4ForConditionalGeneration

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "google/gemma-4-26B-A4B-it"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Ollama

Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →

Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →

Folosește-l găzduit

ID de model APIgoogle/gemma-4-26b-a4b-it

Lungime context262,144 tokeni

Ieșire maximă235,929 tokeni

Acceptăimage, text, video

Preț intrare$0.07 per 1M tokeni

Preț intrare din cache$0.04 per 1M tokeni

Preț ieșire$0.23 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyInclude reasoningLogit biasLogprobsMax tokensMin-pPresence penaltyReasoningRepetition penaltyResponse formatSeedStop sequencesStructured outputsTemperatureTool choiceTool callingTop-kTop logprobsTop-p

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"google/gemma-4-26b-a4b-it","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

gemma-4-26b-a4b-it stands at 58.6 (raw mean 67.1) — measured on 3 of 27 axes.
pozițieșablonVerifică →
gemma-4-26b-a4b-it stands at 58.6 versus a cohort median of 57.2 across 101 models released within 180 days — above the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →