Gemma 4 26B A4B IT 是來自 Google DeepMind 的指令微調專家混合（MoE）模型。儘管總參數數為 25.2B，但在推理時每個 token 僅激活 3.8B 參數——以接近 31B 的品質在...
Gemma 4 26B A4B 是由 Google 開發的專家混合（Mixture-of-Experts）模型。其總參數量為 260 億，但每個 token 僅啟用 40 億個參數——這種設計能在維持高效推理品質的同時降低計算成本。該模型屬於 Gemma 4 系列，該系列包含其他擁有更多啟用參數的大型變體。Gemma 4 26B A4B 可透過 OrcaRouter 的 OpenAI 相容…
Gemma 4 26B A4B 接受文字、圖片和影片作為輸入。圖片可以透過 base64 編碼的資料或 URL 提供。影片可以透過 URL 或一連串幀（即圖片物件）提供。該模型能聯合處理這些模態，從而執行視覺問答、影片摘要及圖表理解等任務。不支援音訊；僅限視覺及文字內容。輸出僅為文字。此模型的多模態能力特別適用於分析包含圖表、螢幕截圖或影片錄製的檔案。
上下文視窗為 262,144 個 token。這讓模型能夠在一次處理中處理極長的序列——例如一份 200 頁的文件、數小時的轉錄影片，或是一套帶有描述說明的圖像集。較大的上下文視窗可減少分段與摘要的需求，但也會增加記憶體使用量。你可使用的有效長度取決於輸入 token 的總數（文字 + 圖像/影片 token）。請注意，圖像與影片輸入會消耗大量 token；關於非文字輸入的 token 計數方式，請參閱 OrcaRouter 的文件。
如果你的任務純粹以文字為基礎、只需要較短的上下文（低於8k token），或不需要多模態輸入，請考慮使用較小或較便宜的模型——例如 Gemma 3 4B 或純文字版本。Gemma 4 26B A4B 的價格為每百萬輸入 token 0.06 美元，每百萬輸出 token 0.33 美元。對於簡單的問答或分類任務，每 token 成本較低的模型可能更經濟。MoE 設計使其相對於總體規模來說效率較高，但對於 OrcaRouter 上的最小任務而言，它並非最便宜的選項。
GPQA Diamond 是一個包含 448 道研究生等級選擇題的基準測試，涵蓋生物、物理與化學領域。分數 79.2 代表該模型答對 79.2% 的題目，顯示其具備強大的科學推理與知識檢索能力。此基準測試設計上對許多大型語言模型而言難度較高。然而，單一基準無法全面反映模型品質的所有面向。例如，該模型在其他任務（如程式碼生成或創意寫作）上的表現可能有所不同。請將此分數作為一項參考數據，用於比較類似科學推理任務的模型表現。
優勢包括具備大上下文的多模態理解、在其規模下的MoE效率，以及GPQA所顯示的在科學問題上的強大推理能力。限制條件未詳細記錄，但屬於MoE模型的典型情況：不同領域的表現可能有所差異，每個令牌的有效容量受到40億活躍參數的限制。該模型在處理需要極深邏輯鏈或訓練數據中未充分代表的領域專業術語時，可能遇到困難。延遲和吞吐量取決於部署硬體；OrcaRouter不保證具體速度指標。
OrcaRouter 並未針對此模型發佈標準化延遲基準測試。作為一個 MoE 模型，Gemma 4 26B A4B 每次僅啟動部分參數，這可能使推論速度比稠密型 26B 模型更快，但也可能比小型稠密模型慢。實際效能取決於批次大小、輸入長度及後端 GPU 類型等因素。對於即時應用，請使用您的特定工作負載進行測試。您也可以權衡延遲與成本之間的取捨——使用較小的模型可能以更低成本提升速度。
定價為每100萬個輸入Token 0.06美元，每100萬個輸出Token 0.33美元。這是供應商（Google）收取的費用，OrcaRouter以零加價方式直接傳遞。也就是說，您支付的正是供應商費率——OrcaRouter不附加任何額外費用。Token計數在整個平台保持一致；圖片與影片幀則依據Google模型規格進行Token化。對於含有少量圖片的典型多模態查詢，輸入Token可能佔主導，因此輸入定價將成為主要成本驅動力。
OrcaRouter 可能為重複的前綴或提示模板提供緩存機制，以減少代幣消耗並降低成本。然而，此模型不保證提供特定的緩存折扣，實際優惠取決於您的使用模式。Gemma 4 26B A4B 並未公布單獨的批次定價方案。對於高流量工作負載，請聯絡 OrcaRouter 支援團隊討論可能的折扣。與平台上的所有模型相同，您只需按用量付費——即輸入和輸出代幣——無需月費或最低承諾。
根據定價結構，總成本取決於您發送和接收的token數量與類型。多模態輸入（尤其是影片）可能使用大量輸入token，因為每一幀都會被編碼。對於長影片，輸入成本可能超過輸出成本。如果您的任務屬於輸出密集型（例如生成長篇報告），輸出價格（$0.33/M）會高於輸入價格。請評估您預期的token比例。對於可以使用較便宜的純文字模型解決的任務，成本差異可能相當顯著。使用OrcaRouter的token計數工具進行估算。
設定基礎 URL 為 https://api.orcarouter.ai/v1，並使用模型 ID google/gemma-4-26b-a4b-it。發送 POST 請求到 /chat/completions，採用標準的 OpenAI 架構。對於多模態輸入，包含一個 content 物件的陣列，其中 type 欄位設定為 'text'、'image_url' 或 'video_url'。範例：messages: [{ role: 'user', content: [{ type: 'text', text: 'Describe this video.' }, { type: 'video_url', video_url: { url: 'https://example.com/video.mp4' } }] }]。API 將回傳一個聊天完成回應。
您可以使用標準的OpenAI參數，例如temperature、top_p、max_tokens、stop、frequency_penalty和presence_penalty。此外，OrcaRouter還支援透過請求主體中的選用'provider'欄位來設定供應商特定參數（此模型不需要）。該模型原生支援串流輸出，只需設定stream=true。若要取得結構化輸出，請使用'response_format'參數，型別可為'json_object'或JSON schema。如需其他參數（例如'reasoning_effort'），請參閱OrcaRouter的文件——雖然此模型並未列出該參數。
從另一個相容 OpenAI 的 API 切換過來非常簡單：將基礎 URL 改為 https://api.orcarouter.ai/v1，並將模型設定為 google/gemma-4-26b-a4b-it。您現有的提示結構、參數和 SDK 客戶端都相容，因為 OrcaRouter 遵循相同的架構。如果您之前使用的是不同提供者的 SDK，則可能需要更新端點和驗證方式。OrcaRouter 使用 API 金鑰而非 OAuth；請將您的金鑰以 'Bearer YOUR_KEY' 的形式放在 Authorization 標頭中。先使用小型請求進行測試。
Gemma 4 26B A4B 是較新的多模態 MoE 模型，具備 262k 上下文與 79.2 的 GPQA Diamond 分數，而 Gemma 3 8B 則是較小型的密集模型（8B 參數），上下文視窗為 128k，且不原生支援影片。Gemma 3 8B 的輸入 token 成本較低（通常每百萬輸入 token 為 $0.05-0.10），但在艱澀科學問題上的推理品質可能不及。對於涉及影片或極長文件的任務，Gemma 4 26B A4B 是明確的選擇。對於中等上下文的純文字任務，Gemma 3 8B 可能已足夠且更具成本效益。
Llama 3.1 70B 是一個擁有 70B 參數和 128k 上下文長度的密集模型，並非原生支援影片的多模態（儘管它可以處理影像）。Gemma 4 26B A4B 採用 MoE 機制，每個 token 僅啟動 4B 參數，可能提供比規模大得多的 Llama 模型更快的推論速度。在 GPQA Diamond 上，Gemma 4 26B A4B 得分 79.2；Llama 3.1 70B 得分約 65-70（由於基準版本差異，無法直接比較）。Llama 3.1 70B 在輸入 token 上可能更昂貴（每百萬輸入約 0.35 美元）。對於多模態和長上下文場景，Gemma 4 可能更有效率。
GPT-4o 是 OpenAI 推出的密集專有模型，具備多模態支援，標準上下文視窗為 128k，部分版本可達 1M。其定價明顯較高（例如 GPT-4o 每百萬輸入 token 收費 2.50 美元）。Gemma 4 26B A4B 為開放權重模型，可透過 OrcaRouter 取得，成本大幅降低（每百萬 token 輸入 0.06 美元、輸出 0.33 美元）。在 GPQA Diamond 上的效能無法直接比較，但 GPT-4o 通常表現較佳。然而，對於不需要前沿推理、對成本敏感的應用而言，Gemma 4 26B A4B 提供了極佳的性價比。資料處理方式也有所不同：Gemma 4 來自 Google，其隱私條款為獨立設定。
與其他開放權重的 MoE 模型相比，例如 Mixtral 8x7B（總參數 46.7B，活躍參數 12.9B）或 Qwen2.5-72B-A3B（總參數 72B，活躍參數 3B），Gemma 4 26B A4B 提供了獨特的組合：262k 上下文視窗、完整的多模態支援（影像+影片），以及已發表的 GPQA Diamond 分數 79.2。Mixtral 8x7B 擁有 32k 上下文且不支援影片。Qwen2.5-72B-A3B 擁有 128k 上下文，支援文字但不支援影片。4B 的活躍參數數量與其他小型 MoE 模型相當，但 Gemma 4 的特定架構——由 Google 訓練並針對指令遵循進行微調——可能使其在多模態與科學任務上具有優勢。
相容 OpenAI——沿用你現有的 SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="google/gemma-4-26b-a4b-it",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)frequency_penaltyinclude_reasoninglogit_biaslogprobsmax_tokensmin_ppresence_penaltyreasoningrepetition_penaltyresponse_formatseedstopstreamstructured_outputstemperaturetool_choicetoolstop_ktop_logprobstop_p| 輸入 / 1M tokens | $0.060 |
| 輸出 / 1M tokens | $0.330 |
| 快取讀取 / 1M | $0.0075 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
@misc{orcarouter_gemma_4_26b_a4b_it,
title = {Gemma 4 26B A4B API},
author = {Google},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemma-4-26b-a4b-it}
}Google. (2026). Gemma 4 26B A4B API. OrcaRouter. https://www.orcarouter.ai/models/google/gemma-4-26b-a4b-it