Google: Gemma 4 26B A4B (free)

O Gemma 4 26B A4B IT é a edição de mistura de especialistas da família aberta Gemma 4 da Google DeepMind, ajustada para seguir instruções. A tabela oficial da arquitetura apresenta 25.2 mil milhões de parâmetros totais e 3.8 mil milhões de parâmetros ativos; A4B designa a escala arredondada de parâmetros ativos. Destina-se a raciocínio, programação, fluxos de trabalho com agentes e compreensão multimodal. É uma edição distinta da versão pré-treinada e do modelo denso 31B.

A arquitetura de mistura de especialistas ativa um subconjunto dos parâmetros em cada passo de inferência: oito especialistas ativos de um total de 128, mais um especialista partilhado, segundo a tabela de arquitetura publicada. A Google posiciona esta edição em torno da eficiência de inferência face ao modelo denso. Combina uma arquitetura de 30 camadas e uma janela deslizante de 1,024 tokens com atenção global, um contexto de 256K e um codificador visual. Estes valores da arquitetura descrevem o modelo do fabricante, e não uma latência garantida nem a configuração de hardware de uma aplicação específica.

O contexto de 256K tokens permite combinar texto extenso com elementos visuais numa mesma tarefa. É possível intercalar imagens e texto num único prompt; o fabricante recomenda colocar o conteúdo de imagem antes do texto relacionado para obter os melhores resultados. As tarefas visuais incluem deteção de objetos, interpretação de páginas de documentos, compreensão de ecrãs e interfaces, gráficos, OCR multilingue, escrita à mão e indicação de posições. A saída é texto: conteúdo extraído, uma explicação, código ou uma proposta de ação de uma ferramenta.

O raciocínio configurável permite ao modelo raciocinar antes de responder ou dar uma resposta direta. O Gemma 4 acrescenta um papel system nativo aos papéis user e assistant. O formato de prompt da Google ativa o raciocínio através do token de controlo <|think|> no prompt de sistema e separa o canal de raciocínio da resposta final; o processador documentado consegue tratar esse modelo de formatação. Numa conversa com vários turnos, mantenha as respostas finais anteriores no histórico e exclua os raciocínios anteriores, exceto nos turnos com chamadas a ferramentas, nos quais o fabricante indica que devem ser preservados.

O Native Function Calling permite a utilização estruturada de ferramentas, e a descrição de lançamento da Google também documenta a saída JSON estruturada. Defina a tarefa, a função disponível e o resultado esperado; a aplicação executa a operação pedida e devolve a respetiva saída para o passo seguinte. Uma tarefa de programação pode pedir geração, conclusão ou correção de código, enquanto um assistente visual pode utilizar o texto devolvido para explicar um gráfico ou um ecrã. Uma instrução de chamada de função é distinta de uma ação ligada a um sistema que tenha sido efetivamente executada.

A resolução variável das imagens é controlada pelo orçamento de tokens visuais. As opções documentadas são 70, 140, 280, 560 e 1,120 tokens. Os orçamentos mais baixos adequam-se à classificação ou à criação de legendas; os mais elevados preservam mais pormenores para OCR, análise de documentos e texto pequeno, com cálculo adicional. Decida se precisa de compreender a cena global ou de ler as letras exatas antes de preparar a imagem. Um recorte nítido de uma etiqueta pode ser mais útil para uma tarefa de extração do que um pedido genérico para inspecionar todos os pormenores de uma página inteira.

A Google recomenda temperature 1.0, top-p 0.95 e top-k 64 como configuração de amostragem da família. A ficha do modelo distingue o treino em mais de 140 línguas do suporte imediato a mais de 35 línguas. Indique a língua da resposta e explicite no pedido os nomes de domínio, nomes de campos ou fórmulas que devem ser preservados. O valor 256K é uma especificação de contexto; a ficha citada não estabelece um limite máximo de saída universal e separado para esta edição.

Para uma tarefa que combine documentos e código, forneça a imagem da página relevante, o requisito escrito e o excerto de código: «Leia as etiquetas, explique em que é que este ecrã difere da especificação e proponha uma correção pontual ao código fornecido.» Para um gráfico, peça que a resposta distinga os valores visíveis de uma tendência inferida. A ficha do Gemma assinala limitações relacionadas com linguagem ambígua, tarefas muito complexas e afirmações factuais incorretas ou desatualizadas; por isso, inclua os factos de referência que o resultado deve utilizar, em vez de esperar que o conhecimento adquirido no treino os forneça.

Através da Ailoot, selecione este ID exato do modelo em /v1/chat/completions e forneça a tarefa em messages. Cada mensagem contém um role e o respetivo content; mantenha juntas a instrução relevante e as fontes. Recolha a resposta JSON completa ou todos os segmentos SSE quando stream estiver ativado e guarde usage juntamente com o resultado escrito.