نسخة غير مراقبة وبدون فقدان من Gemma 4 26B A4B مصممة للحفاظ على قدرات النموذج الأصلي مع تقليل سلوك الرفض. محسنة للمطورين وباحثي الذكاء الاصطناعي والتطبيقات المتقدمة التي تتطلب ردودًا عالية الجودة مع قيود قليلة. يُوصى باستخدام النوع المتوازن (Balanced) لمعظم أعباء العمل، حيث يقدم إجابات كاملة مع الحفاظ على استدلال مستقر وسلوك محادثة طبيعي. في بعض السيناريوهات الحساسة، قد يقوم النموذج بتأطير استدلاله بإيجاز قبل تقديم الرد الكامل، ولكنه مصمم لتجنب حجب المحتوى. مقارنةً بالأنواع غير المراقبة الأكثر عدوانية، يوفر Balanced أخذ عينات أكثر اتساقًا، واستقرارًا أقوى في السياق الطويل، وتقليل انجراف الموضوع عبر المحادثات الممتدة. مناسب تمامًا للكتابة الإبداعية ولعب الأدوار والمساعدين متعددي اللغات والاستدلال طويل السياق وتطبيقات الذكاء الاصطناعي العامة حيث تكون الجودة والتماسك والموثوقية هي الأولويات الرئيسية. الوصول إلى هذا النموذج مقيد ومخصص لباحثي الأمن وفرق الاختراق وباحثي سلامة الذكاء الاصطناعي وغيرهم من المهنيين المؤهلين الذين يقومون بأبحاث وتقييم واختبار مشروعة.
Gemma 4 26B A4B Uncensored هو نموذج لغة مزيج من الخبراء (MoE) من سلسلة Gemma 4 من Google، يستضيفه المزود Obsidian ويمكن الوصول إليه عبر OrcaRouter. يحتوي على 26 مليار معلمة إجمالية لكنه ينشط 4…
تتفوق نسخة Gemma 4 26B A4B غير المقيدة في المهام التي تتطلب استدلالاً بعيد المدى عبر سياقات كبيرة، مثل تلخيص الكتب، والمحادثات متعددة الجولات ذات التاريخ الطويل، وتحليل قواعد الأكواد. تجعلها بنية MoE (خبراء مختلطون) فعّالة في المعالجة الدفعية حيث تتم معالجة العديد من الطلبات بشكل متزامن. تتيح القدرات متعددة الوسائط لها الاستدلال على الصور - على سبيل المثال، تفسير الرسوم البيانية أو الميمات أو صور المنتجات. السلوك غير المقيد مثالي للكتابة الإبداعية التي تستكشف موضوعات ناضجة، أو تمثيل أدوار للبالغين، أو توليد خيال دون قيود على المحتوى. كما أنها تؤدي أداءً جيدًا في معايير معالجة اللغة الطبيعية القياسية للاستدلال والرياضيات والبرمجة، على غرار إصدارات Gemma 4 الأخرى.
إذا كانت مهمتك لا تتطلب سياقًا طويلًا (على سبيل المثال، أقل من 8K رمزًا) أو إدخالًا متعدد الوسائط، فقد تستفيد أكثر من نموذج كثيف أصغر مثل Gemma 2 9B أو Llama 3 8B، وهما أسرع وأقل تكلفة لكل رمز. بالنسبة للمهام التي تحتاج إلى مرشحات أمان، قد ينتج النموذج غير الخاضع للرقابة مخرجات غير مناسبة—اختر نموذجًا مضبوطًا للسلامة بدلًا من ذلك. أيضًا، إذا كنت بحاجة إلى زمن استجابة منخفض للغاية للدردشة في الوقت الفعلي، فقد يكون نموذج MoE هذا أبطأ من نموذج كثيف صغير بسبب النفقات العامة لتوجيه الخبراء. ضع في اعتبارك احتياجاتك من الإنتاجية: بالنسبة للطلبات ذات السياق القصير والحجم الكبير، قد يكون نموذج أقل تكلفة مثل Gemma 2 27B (كثيف) أكثر فعالية من حيث التكلفة.
تصميم الخبراء المختلطين (mixture-of-experts) يُفعّل فقط مجموعة فرعية من المعاملات لكل رمز (4 مليار من إجمالي 26 مليار). يؤدي ذلك إلى تقليل التكلفة الحسابية لكل تمريرة أمامية مقارنة بنموذج كثيف بحجم 26 مليار، مما يسمح بإنتاجية أعلى على نفس الأجهزة. ومع ذلك، يُحدث التوجيه (routing) تأخيرًا طفيفًا في كل رمز وقد يؤدي إلى عدم توازن حمل الخبراء إذا كانت المطالبات (prompts) متخصصة للغاية. عمليًا، تُوفّر نماذج الخبراء المختلطين مثل هذا النموذج مقايضة جيدة: جودة تنافسية مقابل جزء بسيط من عمليات الفاصلة العائمة (FLOPs). المعاملات النشطة البالغة 4 مليار قابلة للمقارنة مع نموذج كثيف بحجم 4 مليار من حيث الحوسبة لكل رمز، ومع ذلك يستفيد النموذج من المعرفة المخزنة عبر إجمالي 26 مليار معامل.
نعم، يدعم النموذج إدخال النصوص والصور. يمكنك إرسال صورة واحدة أو عدة صور في طلب واحد، إلى جانب تعليمات نصية. يتم ترميز الصور ومعالجتها مع النص داخل نافذة السياق التي تتسع لـ 262,144 رمزًا (token). يتيح ذلك الإجابة على الأسئلة البصرية، وفهم المستندات، والمهام التي تتطلب تحليل الرسوم البيانية أو المخططات أو الصور الفوتوغرافية. يستخدم النموذج مشفرًا بصريًا (عادةً مكون يشبه ViT) لتحويل الصور إلى رموز tokens. على الرغم من أن التفاصيل الدقيقة للبنية غير موثقة علنًا، إلا أنه يدعم تنسيقات الصور القياسية. لاحظ أن الصور تستهلك رموزًا متناسبة مع دقتها، لذا فإن الصور عالية الدقة ستقلل من سياق النص المتاح.
كنموذج من عائلة Gemma 4، أظهر النموذج الأساسي (مع ضبط الأمان) أداءً قويًا في اختبارات التفكير مثل MMLU وGSM8K ومهام البرمجة مثل HumanEval وMBPP. من المحتمل أن تحتفظ النسخة غير الخاضعة للرقابة بهذه القدرات نظرًا لعدم تغيير أوزان النموذج الأساسية. ومع ذلك، لم يتم الإعلان عن نتائج محددة لهذا النموذج غير الخاضع للرقابة. يمكن للمستخدمين توقع نتائج تنافسية في الاستدلال الحسابي، وتوليد الكود، والمهام متعددة اللغات. كما تتيح نافذة السياق البالغة 262K أداءً فائقًا في استرجاع المستندات الطويلة والتلخيص مقارنة بالنماذج ذات السياق الأقصر. بالنسبة لاختبارات الوسائط المتعددة، يجب أن يتعامل النموذج مع مجموعات بيانات الإجابة على الأسئلة البصرية بشكل كافٍ.
يكون زمن الاستجابة لنموذج Gemma 4 26B A4B أقل عمومًا من زمن استجابة نموذج كثيف مع 26 مليار معلمة، لأن 4 مليارات معلمة فقط نشطة لكل رمز مميز. ومع ذلك، تُضيف آلية التوجيه MoE حملًا إضافيًا صغيرًا لكل رمز مميز يُولَّد، لذلك قد يكون إجمالي زمن الاستجابة لكل رمز مميز أعلى قليلًا من نموذج كثيف خالص يحوي 4 مليارات معلمة. بالنسبة للاستدلال الدفعي ذي التسلسلات الطويلة، يمكن أن تكون الإنتاجية أعلى نظرًا لانخفاض متطلبات عرض النطاق الترددي للذاكرة. على OrcaRouter، سيعتمد زمن الاستجابة أيضًا على الأجهزة الأساسية التي يُوفّرها مزود Obsidian. يجب اختبار الأداء في العالم الحقيقي باستخدام أعباء عمل تمثيلية لتحديد ما إذا كان يلبي متطلبات السرعة الخاصة بك.
بالرغم من نقاط قوته، فإن لهذا النموذج حدودًا. تعني المعاملات النشطة البالغة 4B أنه بالنسبة للاستدلال المعقد جدًا أو المعرفة المتخصصة بمجال معين، قد يكون أداؤه أقل من النماذج الأكبر مثل Gemma 4 47B (الكثيفة) أو النماذج الحدودية. الطبيعة غير الخاضعة للرقابة تعني أن المخرجات قد تكون سامة أو متحيزة أو غير متوافقة مع القيم الإنسانية إذا تم استخدامها دون إشراف. كما قد يُنتج محتوى ضارًا ينتهك سياسات استخدام OpenAI عند الوصول إليه عبر OrcaRouter — والمستخدمون مسؤولون عن الامتثال. بالإضافة إلى ذلك، قد تؤدي بنية MoE إلى جودة غير متسقة عبر الرموز (tokens) إذا كان توجيه الخبراء دون المستوى الأمثل. أخيرًا، الفهم متعدد الوسائط، رغم وجوده، قد لا يضاهي نماذج الرؤية واللغة المخصصة.
تسعير هذا النموذج يحدده المزوّد Obsidian ويُمرّر عبر OrcaRouter بهامش ربح صفري. أنت تدفع 0.25 دولار لكل مليون توكين إدخال و2.90 دولار لكل مليون توكين إخراج. تتضمن توكينات الإدخال توكينات النصوص والصور (تُرمَّز الصور قبل المعالجة). تغطي توكينات الإخراج الاستجابة المُنشأة. لا توجد رسوم إضافية على استدعاءات API أو استخدام نافذة السياق خارج التكلفة لكل توكين. هذا التسعير تنافسي لنموذج MoE بحجم 26B، خاصةً مع نافذة السياق الكبيرة. تُحسب الرسوم لكل طلب وتظهر في كشف الفوترة الخاص بك في OrcaRouter.
رموز الإخراج أغلى بكثير من رموز الإدخال (2.90 دولار مقابل 0.25 دولار لكل مليون). هذا أمر نموذجي لنماذج اللغة لأن توليد الرموز يتطلب عمليات حسابية أكثر من معالجة الإدخال. لتقليل التكاليف، يمكنك تنظيم الاستفسارات لتقليل عدد رموز الإخراج—على سبيل المثال، عن طريق طلب ردود أقصر أو استخدام تعليمات النظام للحد من الإسهاب. بالإضافة إلى ذلك، نظرًا لأن تكاليف الإدخال منخفضة، يمكنك تحمل تضمين نوافذ سياق كبيرة (حتى 262 ألف رمز) دون كسر الميزانية. إذا كانت حالتك الاستخدامية تتضمن العديد من الاستفسارات القصيرة ولكن الردود الطويلة، فستسيطر تكلفة رموز الإخراج.
لا توفر OrcaRouter تخزينًا مؤقتًا مضمّنًا لهذا النموذج. يتم تحديد التسعير لكل رمز (token) وكل طلب. ومع ذلك، يمكنك تنفيذ تخزين مؤقت من جانب العميل لتسلسلات الإدخال الشائعة لتجنب إعادة إرسال نفس المطالبات. بالإضافة إلى ذلك، إذا كررت رسالة النظام نفسها عبر العديد من المحادثات، فقد تفكر في تضمينها في سياق طويل وإعادة استخدام نفس الجلسة عبر واجهة برمجة تطبيقات chat completions لتجنب الرموز الزائدة في الإدخال. قد يقدم بعض المزودين تخزينًا مؤقتًا للمطالبات بأنفسهم، لكن تسعير Obsidian كما هو مدرج لا يتضمن خيار التخزين المؤقت. تحقق من وثائق المزود لمعرفة أي خصومات محتملة على المطالبات المتكررة.
لاستخدام هذا النموذج، أرسل الطلبات إلى نقطة النهاية المتوافقة مع OpenAI https://api.orcarouter.ai/v1. عيّن معلمة النموذج إلى "obsidian/gemma-4-26B-A4B". يجب تضمين مفتاح API الخاص بك من OrcaRouter في رأس Authorization كرمز Bearer. تدعم واجهة API كلاً من نقاط نهاية إكمال النص وإكمال المحادثة. للدردشة، استخدم نقطة النهاية /v1/chat/completions مع مصفوفة رسائل تتضمن أدوار المستخدم، المساعد، والنظام. للطلبات متعددة الوسائط، أدرج عناوين URL للصور أو بيانات base64 في حقل المحتوى. مثال على نص الطلب في Python يستخدم مكتبة openai مع base_url مضبوطة على نقطة نهاية OrcaRouter ومعرّف النموذج كما هو مذكور أعلاه.
تتيح واجهة برمجة التطبيقات (API) معايير OpenAI القياسية: درجة الحرارة (0-2، الافتراضي 1)، top_p (0-1)، max_tokens (حتى نافذة السياق)، presence_penalty، frequency_penalty، تسلسلات الإيقاف، و n (عدد المخرجات). بالنسبة للوسائط المتعددة، يقبل الحقل content مصفوفة تحتوي على نوع "text" ونوع "image_url". يمكنك أيضًا تعيين stream=true للاستجابات المتدفقة. يدعم النموذج رسائل النظام. نافذة السياق هي 262,144 رمزًا بما في ذلك المدخلات والمخرجات. قد لا تكون جميع المعايير مدعومة تمامًا كما هو موثق؛ تحقق من وثائق OrcaRouter لمعرفة أي قيود خاصة بمزود الخدمة. للحصول على أفضل النتائج، اضبط درجة الحرارة بين 0.7 و 1.0 للمهام الإبداعية، وأقل للمخرجات الحتمية.
نظرًا لواجهة API المتوافقة مع OpenAI، فإن عملية الانتقال سهلة. إذا كنت تستخدم حاليًا عميل Python الخاص بـ OpenAI، فغيّر base_url إلى https://api.orcarouter.ai/v1 واضبط مفتاح API الخاص بك ليكون مفتاح OrcaRouter الخاص بك. حدّث معامل model من اسم النموذج السابق إلى "obsidian/gemma-4-26B-A4B". لا حاجة لأي تغييرات أخرى في الكود لمعظم حالات الاستخدام. بالنسبة للطلبات متعددة الوسائط، قد يختلف تنسيق الصورة؛ استخدم نفس هيكل واجهة الرؤية الخاصة بـ OpenAI. اختبر بعض الطلبات لضمان التوافق. لاحظ أن حدود المعدل ومعالجة الأخطاء قد تختلف؛ راجع وثائق OrcaRouter للحصول على أفضل الممارسات.
رابط الأساس لجميع استدعاءات API هو https://api.orcarouter.ai/v1. معرّف النموذج الدقيق الذي يجب استخدامه في الطلبات هو "obsidian/gemma-4-26B-A4B". يجب تمرير هذا المعرّف كمعامل model في استدعاءات chat completions أو completions. لا يوجد معرّف نموذج بديل لهذا المتغير. تأكد من تضمين البادئة الكاملة 'obsidian/' للتوجيه الصحيح إلى مزود Obsidian. إذا حاولت استخدام معرّف عام 'gemma-4-26B-A4B' بدون بادئة المزود، فقد لا يعمل. بادئة المزود ضرورية لأن OrcaRouter يدعم مزودين متعددين يقدمون نفس النموذج الأساسي.
ضمن عائلة Gemma 4، تقدم Google كلاً من المتغيرات الكثيفة (dense) ومتغيرات خليط الخبراء (MoE). الإصدار الكثيف (مثل Gemma 4 47B) يحتوي على جميع المعاملات نشطة، مما يوفر جودة أعلى لكل رمز ولكن بتكلفة حسابية أعلى. أما إصدار MoE الذي يحتوي على 26B إجمالاً و4B نشطة، فيمثل نقطة مثالية من حيث كفاءة التكلفة. مقارنةً بـ Gemma 4 2B أو 9B الكثيفة، يتمتع هذا النموذج بمعرفة أوسع نظراً لعدد المعاملات الإجمالي الأكبر. بين نماذج MoE، فإن Gemma 4 26B A4B أصغر من نماذج MoE الأكبر مثل Mixtral 8x22B (141B إجمالاً، 39B نشطة). الجانب غير الخاضع للرقابة هو فريد لهذا المتغير Obsidian؛ بينما تتضمن نماذج Gemma 4 الأخرى ضبط السلامة.
النماذج غير المقيدة مثل تلك من سلسلة Llama 3-Uncensored أو Wizard تقوم عادة بإزالة مرشحات الأمان من النموذج الأساسي. هذا النوع من Gemma 4 هو واحد من الخيارات القليلة غير المقيدة من نوع MoE، حيث يوفر عددًا أكبر من المعاملات الإجمالية (26B) مع معاملات نشطة أقل (4B). بالمقارنة مع Llama 3 70B Uncensored، فهو أصغر بكثير وأرخص ثمناً، لكن قد يكون سقفه الأدنى في المهام المعقدة أقل. نافذة السياق الخاصة به التي تبلغ 262K أكبر بشكل ملحوظ من معظم النماذج غير المقيدة، والتي غالبًا ما تكون حدها الأقصى 8K-32K. الدعم متعدد الوسائط هو أيضًا عامل تمييز: معظم النماذج غير المقيدة هي نصية فقط.
GPT-4o وClaude 3.5 Sonnet هما نموذجان أكبر حجمًا ومملوكان للقطاع الخاص، مع ضبط أمان شامل وقدرات متعددة الوسائط. بشكل عام، يتفوقان على Gemma 4 26B A4B في المعايير والمهام الواقعية، خاصة في الاستدلال والإبداع والثبات. ومع ذلك، فهما أكثر تكلفة بكثير لكل رمز (GPT-4o: $5/M إدخال، $15/M إخراج؛ Claude: $3/M إدخال، $15/M إخراج). نموذج Gemma مثالي للتطبيقات الحساسة للتكلفة التي تحتاج سياقًا كبيرًا ولكن دون قيود أمان. لن يضاهي النماذج المتطورة في اتباع التعليمات الدقيقة أو الدقة الواقعية، لكنه قد يكون كافيًا للعديد من المهام التوليدية.
اختر هذا النموذج بدلاً من نموذج أكبر (مثل GPT-4o أو Claud Opus) عندما: (1) تحتاج إلى نافذة سياق كبيرة جدًا (262K) دون دفع أسعار ممتازة؛ (2) تتطلب مخرجات غير مرشحة لحالات الاستخدام المسموح بها؛ (3) يكون عبء العمل لديك عالي الإنتاجية وتكون كفاءة تكلفة MoE مهمة؛ (4) تكون مهامك ضمن قدرة نموذج يحتوي على 4B معلمة نشطة. تجنب هذا النموذج إذا كنت بحاجة إلى أعلى جودة للقرارات الحاسمة، أو توافق صارم مع معايير السلامة، أو تفكير معقد للغاية. بالنسبة للعديد من المهام الشائعة مثل التلخيص أو الترجمة أو الأسئلة والأجوبة على المستندات الطويلة، يوفر هذا النموذج نسبة أداء سعرية قوية.
| الإدخال / 1M توكن | $0.250 |
| الإخراج / 1M توكن | $2.90 |
| العملة | USD |
تقدير بناءً على السعر المُعلن
تقدير فقط — يعتمد العدد الفعلي للرموز على مُجزّئ الرموز الخاص بالمزوّد.
GET /api/public/models/obsidian/gemma-4-26B-A4Bفتح @misc{orcarouter_gemma_4_26b_a4b,
title = {Gemma4 26B A4B Uncensored (Balanced) API},
author = {obsidian},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/obsidian/gemma-4-26B-A4B}
}obsidian. (2026). Gemma4 26B A4B Uncensored (Balanced) API. OrcaRouter. https://www.orcarouter.ai/models/obsidian/gemma-4-26B-A4B