Gemma 4 26B A4B IT is Google DeepMinds op instructies afgestemde mixture-of-experts-editie van de open Gemma 4-familie. De officiële architectuurtabel vermeldt in totaal 25.2 miljard parameters en 3.8 miljard actieve parameters; A4B verwijst naar de afgeronde schaal van de actieve parameters. Het model is bedoeld voor redeneren, programmeren, agentworkflows en multimodaal begrip. Het staat los van de vooraf getrainde editie en het dense 31B-model.
Het mixture-of-experts-ontwerp activeert bij elke inferentiestap een deel van de parameters: volgens de gepubliceerde architectuurtabel acht actieve experts uit 128, plus één gedeelde expert. Google positioneert deze editie rond efficiëntere inferentie ten opzichte van het dense model. Het combineert een architectuur met 30 lagen en een verschuivend venster van 1,024 tokens met globale aandacht, een context van 256K en een visuele encoder. Deze architectuurcijfers beschrijven het model van de producent, niet een gegarandeerde latentie of hardwareconfiguratie voor een specifieke toepassing.
De context van 256K tokens ondersteunt taken die omvangrijke tekst combineren met visueel bewijsmateriaal. Afbeeldingen en tekst kunnen in één prompt worden afgewisseld; de fabrikant raadt aan om de afbeelding vóór de bijbehorende tekst te plaatsen voor het beste resultaat. Visuele taken omvatten objectdetectie, interpretatie van documentpagina’s, begrip van schermen en interfaces, grafieken, meertalige OCR, handschrift en het aanwijzen van locaties. De uitvoer is tekst: geëxtraheerde inhoud, een uitleg, code of een voorgestelde toolactie.
Met instelbaar denkgedrag kan het model redeneren voordat het antwoordt of meteen een antwoord geven. Gemma 4 voegt een eigen system-rol toe naast de rollen user en assistant. Googles promptformaat activeert het denkgedrag met het controletoken <|think|> in de systeemprompt en scheidt het denkkanaal van het definitieve antwoord; de gedocumenteerde processor kan die sjabloon verwerken. Bewaar bij een gesprek met meerdere beurten de eerdere definitieve antwoorden in de geschiedenis en laat eerdere denkstappen weg, behalve bij beurten met toolaanroepen: volgens de fabrikant moeten die daar bewaard blijven.
Native Function Calling ondersteunt gestructureerd toolgebruik, en Googles aankondiging beschrijft ook gestructureerde JSON-uitvoer. Definieer de taak, de beschikbare functie en het verwachte resultaat; de toepassing voert de gevraagde bewerking uit en geeft de uitvoer terug voor de volgende stap. Een programmeertaak kan vragen om code te genereren, aan te vullen of te corrigeren, terwijl een visuele assistent de teruggegeven tekst kan gebruiken om een grafiek of scherm toe te lichten. Een instructie voor een functieaanroep verschilt van een gekoppelde actie die daadwerkelijk is uitgevoerd.
De variabele beeldresolutie wordt geregeld via het budget voor visuele tokens. De gedocumenteerde opties zijn 70, 140, 280, 560 en 1,120 tokens. Lagere budgetten zijn geschikt voor classificatie of bijschriften; hogere budgetten bewaren meer detail voor OCR, documentverwerking en kleine tekst, met extra rekenwerk. Bepaal vóór het voorbereiden van de afbeelding of je de volledige scène of de exacte belettering nodig hebt. Een duidelijke uitsnede van een etiket kan nuttiger zijn voor een extractietaak dan een ongerichte vraag om elk detail van een volledige pagina te bekijken.
Google raadt temperature 1.0, top-p 0.95 en top-k 64 aan als samplingconfiguratie voor de familie. De modelkaart maakt onderscheid tussen training in meer dan 140 talen en ondersteuning zonder aanpassing voor meer dan 35 talen. Vermeld de antwoordtaal en geef in de opdracht expliciet aan welke domeinnamen, veldnamen of formules behouden moeten blijven. Het getal 256K is een contextspecificatie; de aangehaalde modelkaart legt voor deze editie geen afzonderlijke universele maximale uitvoerlengte vast.
Lever voor een opdracht rond documenten en code de relevante pagina-afbeelding, de geschreven vereiste en het bronfragment aan: “Lees de labels, leg uit hoe dit scherm afwijkt van de specificatie en stel een gerichte correctie voor in de aangeleverde code.” Vraag bij een grafiek om zichtbare waarden te onderscheiden van een afgeleide trend. Gemma’s modelkaart vermeldt beperkingen bij dubbelzinnig taalgebruik, zeer complexe taken en onjuiste of verouderde feitelijke uitspraken. Voeg daarom de gezaghebbende feiten toe waarop het gevraagde resultaat moet steunen, in plaats van te verwachten dat trainingskennis die aanlevert.
Selecteer via Ailoot deze exacte model-ID in /v1/chat/completions en geef de taak mee in messages. Elk bericht bevat een role en de bijbehorende content; houd de relevante instructie en het bronmateriaal samen. Verzamel het volledige JSON-antwoord of alle SSE-segmenten wanneer stream is ingeschakeld, en bewaar usage bij het geschreven resultaat.
", "aboutText": "Gemma 4 26B A4B IT is Google DeepMinds op instructies afgestemde mixture-of-experts-editie van de open Gemma 4-familie. De officiële architectuurtabel vermeldt in totaal 25.2 miljard parameters en 3.8 miljard actieve parameters; A4B verwijst naar de afgeronde schaal van de actieve parameters. Het model is bedoeld voor redeneren, programmeren, agentworkflows en multimodaal begrip. Het staat los van de vooraf getrainde editie en het dense 31B-model.\n\nHet mixture-of-experts-ontwerp activeert bij elke inferentiestap een deel van de parameters: volgens de gepubliceerde architectuurtabel acht actieve experts uit 128, plus één gedeelde expert. Google positioneert deze editie rond efficiëntere inferentie ten opzichte van het dense model. Het combineert een architectuur met 30 lagen en een verschuivend venster van 1,024 tokens met globale aandacht, een context van 256K en een visuele encoder. Deze architectuurcijfers beschrijven het model van de producent, niet een gegarandeerde latentie of hardwareconfiguratie voor een specifieke toepassing.\n\nDe context van 256K tokens ondersteunt taken die omvangrijke tekst combineren met visueel bewijsmateriaal. Afbeeldingen en tekst kunnen in één prompt worden afgewisseld; de fabrikant raadt aan om de afbeelding vóór de bijbehorende tekst te plaatsen voor het beste resultaat. Visuele taken omvatten objectdetectie, interpretatie van documentpagina’s, begrip van schermen en interfaces, grafieken, meertalige OCR, handschrift en het aanwijzen van locaties. De uitvoer is tekst: geëxtraheerde inhoud, een uitleg, code of een voorgestelde toolactie.\n\nMet instelbaar denkgedrag kan het model redeneren voordat het antwoordt of meteen een antwoord geven. Gemma 4 voegt een eigen system-rol toe naast de rollen user en assistant. Googles promptformaat activeert het denkgedrag met het controletoken <|think|> in de systeemprompt en scheidt het denkkanaal van het definitieve antwoord; de gedocumenteerde processor kan die sjabloon verwerken. Bewaar bij een gesprek met meerdere beurten de eerdere definitieve antwoorden in de geschiedenis en laat eerdere denkstappen weg, behalve bij beurten met toolaanroepen: volgens de fabrikant moeten die daar bewaard blijven.\n\nNative Function Calling ondersteunt gestructureerd toolgebruik, en Googles aankondiging beschrijft ook gestructureerde JSON-uitvoer. Definieer de taak, de beschikbare functie en het verwachte resultaat; de toepassing voert de gevraagde bewerking uit en geeft de uitvoer terug voor de volgende stap. Een programmeertaak kan vragen om code te genereren, aan te vullen of te corrigeren, terwijl een visuele assistent de teruggegeven tekst kan gebruiken om een grafiek of scherm toe te lichten. Een instructie voor een functieaanroep verschilt van een gekoppelde actie die daadwerkelijk is uitgevoerd.\n\nDe variabele beeldresolutie wordt geregeld via het budget voor visuele tokens. De gedocumenteerde opties zijn 70, 140, 280, 560 en 1,120 tokens. Lagere budgetten zijn geschikt voor classificatie of bijschriften; hogere budgetten bewaren meer detail voor OCR, documentverwerking en kleine tekst, met extra rekenwerk. Bepaal vóór het voorbereiden van de afbeelding of je de volledige scène of de exacte belettering nodig hebt. Een duidelijke uitsnede van een etiket kan nuttiger zijn voor een extractietaak dan een ongerichte vraag om elk detail van een volledige pagina te bekijken.\n\nGoogle raadt temperature 1.0, top-p 0.95 en top-k 64 aan als samplingconfiguratie voor de familie. De modelkaart maakt onderscheid tussen training in meer dan 140 talen en ondersteuning zonder aanpassing voor meer dan 35 talen. Vermeld de antwoordtaal en geef in de opdracht expliciet aan welke domeinnamen, veldnamen of formules behouden moeten blijven. Het getal 256K is een contextspecificatie; de aangehaalde modelkaart legt voor deze editie geen afzonderlijke universele maximale uitvoerlengte vast.\n\nLever voor een opdracht rond documenten en code de relevante pagina-afbeelding, de geschreven vereiste en het bronfragment aan: “Lees de labels, leg uit hoe dit scherm afwijkt van de specificatie en stel een gerichte correctie voor in de aangeleverde code.” Vraag bij een grafiek om zichtbare waarden te onderscheiden van een afgeleide trend. Gemma’s modelkaart vermeldt beperkingen bij dubbelzinnig taalgebruik, zeer complexe taken en onjuiste of verouderde feitelijke uitspraken. Voeg daarom de gezaghebbende feiten toe waarop het gevraagde resultaat moet steunen, in plaats van te verwachten dat trainingskennis die aanlevert.\n\nSelecteer via Ailoot deze exacte model-ID in /v1/chat/completions en geef de taak mee in messages. Elk bericht bevat een role en de bijbehorende content; houd de relevante instructie en het bronmateriaal samen. Verzamel het volledige JSON-antwoord of alle SSE-segmenten wanneer stream is ingeschakeld, en bewaar usage bij het geschreven resultaat.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "7c4087c2a9b7623dfa94c8bd429017f2097764112ec02d9e12789ed11642b8c0", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl-be", "methods": [ { "html": "google/gemma-4-26b-a4b-it:freeGemma 4 26B A4B IT is Googles mixture-of-experts-model, afgestemd op instructies, voor tekstueel en visueel redeneren. Het combineert een context van 256K, beeldbegrip, instelbaar denkgedrag en ingebouwde functieaanroepen met tekst als uitvoer.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemma 4 26B A4B IT is Google DeepMinds op instructies afgestemde mixture-of-experts-editie van de open Gemma 4-familie. De officiële architectuurtabel vermeldt in totaal 25.2 miljard parameters en 3.8 miljard actieve parameters; A4B verwijst naar de afgeronde schaal van de actieve parameters. Het model is bedoeld voor redeneren, programmeren, agentworkflows en multimodaal begrip. Het staat los van de vooraf getrainde editie en het dense 31B-model.
Het mixture-of-experts-ontwerp activeert bij elke inferentiestap een deel van de parameters: volgens de gepubliceerde architectuurtabel acht actieve experts uit 128, plus één gedeelde expert. Google positioneert deze editie rond efficiëntere inferentie ten opzichte van het dense model. Het combineert een architectuur met 30 lagen en een verschuivend venster van 1,024 tokens met globale aandacht, een context van 256K en een visuele encoder. Deze architectuurcijfers beschrijven het model van de producent, niet een gegarandeerde latentie of hardwareconfiguratie voor een specifieke toepassing.
De context van 256K tokens ondersteunt taken die omvangrijke tekst combineren met visueel bewijsmateriaal. Afbeeldingen en tekst kunnen in één prompt worden afgewisseld; de fabrikant raadt aan om de afbeelding vóór de bijbehorende tekst te plaatsen voor het beste resultaat. Visuele taken omvatten objectdetectie, interpretatie van documentpagina’s, begrip van schermen en interfaces, grafieken, meertalige OCR, handschrift en het aanwijzen van locaties. De uitvoer is tekst: geëxtraheerde inhoud, een uitleg, code of een voorgestelde toolactie.
Met instelbaar denkgedrag kan het model redeneren voordat het antwoordt of meteen een antwoord geven. Gemma 4 voegt een eigen system-rol toe naast de rollen user en assistant. Googles promptformaat activeert het denkgedrag met het controletoken <|think|> in de systeemprompt en scheidt het denkkanaal van het definitieve antwoord; de gedocumenteerde processor kan die sjabloon verwerken. Bewaar bij een gesprek met meerdere beurten de eerdere definitieve antwoorden in de geschiedenis en laat eerdere denkstappen weg, behalve bij beurten met toolaanroepen: volgens de fabrikant moeten die daar bewaard blijven.
Native Function Calling ondersteunt gestructureerd toolgebruik, en Googles aankondiging beschrijft ook gestructureerde JSON-uitvoer. Definieer de taak, de beschikbare functie en het verwachte resultaat; de toepassing voert de gevraagde bewerking uit en geeft de uitvoer terug voor de volgende stap. Een programmeertaak kan vragen om code te genereren, aan te vullen of te corrigeren, terwijl een visuele assistent de teruggegeven tekst kan gebruiken om een grafiek of scherm toe te lichten. Een instructie voor een functieaanroep verschilt van een gekoppelde actie die daadwerkelijk is uitgevoerd.
De variabele beeldresolutie wordt geregeld via het budget voor visuele tokens. De gedocumenteerde opties zijn 70, 140, 280, 560 en 1,120 tokens. Lagere budgetten zijn geschikt voor classificatie of bijschriften; hogere budgetten bewaren meer detail voor OCR, documentverwerking en kleine tekst, met extra rekenwerk. Bepaal vóór het voorbereiden van de afbeelding of je de volledige scène of de exacte belettering nodig hebt. Een duidelijke uitsnede van een etiket kan nuttiger zijn voor een extractietaak dan een ongerichte vraag om elk detail van een volledige pagina te bekijken.
Google raadt temperature 1.0, top-p 0.95 en top-k 64 aan als samplingconfiguratie voor de familie. De modelkaart maakt onderscheid tussen training in meer dan 140 talen en ondersteuning zonder aanpassing voor meer dan 35 talen. Vermeld de antwoordtaal en geef in de opdracht expliciet aan welke domeinnamen, veldnamen of formules behouden moeten blijven. Het getal 256K is een contextspecificatie; de aangehaalde modelkaart legt voor deze editie geen afzonderlijke universele maximale uitvoerlengte vast.
Lever voor een opdracht rond documenten en code de relevante pagina-afbeelding, de geschreven vereiste en het bronfragment aan: “Lees de labels, leg uit hoe dit scherm afwijkt van de specificatie en stel een gerichte correctie voor in de aangeleverde code.” Vraag bij een grafiek om zichtbare waarden te onderscheiden van een afgeleide trend. Gemma’s modelkaart vermeldt beperkingen bij dubbelzinnig taalgebruik, zeer complexe taken en onjuiste of verouderde feitelijke uitspraken. Voeg daarom de gezaghebbende feiten toe waarop het gevraagde resultaat moet steunen, in plaats van te verwachten dat trainingskennis die aanlevert.
Selecteer via Ailoot deze exacte model-ID in /v1/chat/completions en geef de taak mee in messages. Elk bericht bevat een role en de bijbehorende content; houd de relevante instructie en het bronmateriaal samen. Verzamel het volledige JSON-antwoord of alle SSE-segmenten wanneer stream is ingeschakeld, en bewaar usage bij het geschreven resultaat.
POST /v1/chat/completionstext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemma-4-26b-a4b-it:free Voorwaarden: Gebruik precies deze Ailoot-routeringsselector. | Standaard— |
Veldmessages | Typearray | VereisteVereist | Waarden en limieten Voorwaarden: | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten Voorwaarden: | Standaardfalse |
text_input · Vereist: messages
image_with_text · Vereist: messages with actual image content blocks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parameteroptional | Contractstream |
Parametermaterial_types | Contracttext, image |
Parameterconditions | ContractGebruik precies deze Ailoot-routeringsselector., Dit protocol draagt afbeeldingsinhoud over wanneer het specifieke gekozen model beeldherkenning ondersteunt. Toelating door het protocol toont niet aan dat elk model afbeeldingen kan verwerken. |
Methodealiasnamen: /chat/completions
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0 / 1K tokens Uitvoer · Uitvoertokens $0 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-4-26b-a4b-it:free", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elk inhoudsblok, elke toolaanroep-ID, de denksignatuur wanneer die wordt teruggegeven, alle SSE-delta's en de volledige gebruiksgegevens. Het eerste tekstfragment is niet het volledige resultaat.
Bewaar de oorspronkelijke X-Client-Request-ID, het antwoord en de headers. Een onbekende uitkomst of result_pending_check geeft geen toestemming voor een tweede aanmaakverzoek.
| Veld | Type |
|---|---|
Veldchoices[] | Typeobject |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeEen verplicht veld, modelselector, type of invoerrepresentatie is ongeldig. | Volgende stapBekijk de teruggegeven validatiedetails voor u een afzonderlijk verzoek voorbereidt. |
Antwoord | VoorwaardeHet oorspronkelijke verzoek of resultaat is onbekend of moet nagekeken worden. | Volgende stapBewaar de oorspronkelijke identificatoren en headers; raadpleeg enkel ondersteunde statusgegevens of bibliotheekrecords. Dien het aanmaakverzoek niet opnieuw in. |
Ailoot Ultra google/gemma-4-26b-a4b-it:free
/chat/completions