Puis-je exécuter Gemma 4 26B A4B localement ?

Oui — les poids sont ouverts sous licence Apache 2.0 et disponibles sur Hugging Face à google/gemma-4-26B-A4B-it, vous pouvez donc les télécharger et l'exécuter vous-même, bien que les 25,2 milliards de paramètres totaux nécessitent une machine puissante.

Quel est le coût via API et la taille de la fenêtre de contexte ?

Le tarif est de 0,09 $ par million de tokens en entrée et 0,30 $ par million en sortie, avec une fenêtre de contexte de 256K tokens.

En quoi le 26B A4B diffère-t-il du 31B Dense dans la famille Gemma 4 ?

Le 26B A4B est un modèle Mixture-of-Experts qui n'active que 3,8 milliards de paramètres par token, ce qui le rend moins coûteux à exécuter que le 31B Dense tout en visant une qualité de sortie similaire ; le 31B Dense active tous ses paramètres à chaque fois et ne supporte pas l'entrée vidéo.

▲

53.5%

cette semaine

Gemma 4 26B A4B

8770°

#llm #google #vision #vidéo #raisonnement #agents

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Google | contexte de 262 144 tokens | 0,09 $/M en entrée, 0,30 $/M en sortie. Gemma 4 26B A4B IT est un modèle Mixture-of-Experts (MoE) ajusté par instruction de Google DeepMind. Malgré 25,2B paramètres totaux, seuls 3,8B s'activent par token lors de l'inférence — offrant une qualité proche de 31B à une fraction du coût de calcul. Supporte les entrées multimodales incluant texte, images et vidéo (jusqu'à 60s à 1fps). Dispose d'une fenêtre de contexte de 256K tokens, appel de fonction natif, mode de réflexion/raisonnement configurable et support de sortie structurée. Distribué sous licence Apache 2.0.

Guides pour ce modèle

Comment installer Ollama et faire tourner une IA locale (Windows, Mac, Linux)

Ollama vs LM Studio (2026) : quelle application d’IA locale choisir, et quels modèles top chacun fait tourner

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Comment choisir un modèle d'IA en octobre 2026 : les nouveautés des modèles fermés, puis les poids ouverts à télécharger

Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Gemma 4 26B A4B est le modèle Mixture-of-Experts affiné par instruction de Google DeepMind qui n'active que 3,8 milliards de ses 25,2 milliards de paramètres par token, offrant ainsi une qualité proche d'un modèle de 31 milliards à une fraction du coût de calcul. Il gère texte, images et vidéo jusqu'à 60 secondes, avec une fenêtre de contexte de 256K tokens et un mode raisonnement configurable. Les poids sous licence Apache 2.0 en font une option sérieuse pour quiconque veut un modèle multimodal performant qu'il peut réellement exécuter et modifier.

Connu pour

Efficacité MoE : 3,8 milliards de paramètres actifs par token, qualité proche d'un 31 milliards
Multimodal : accepte texte, images et vidéo jusqu'à 60 secondes
Fenêtre de contexte de 256K tokens pour le travail sur documents longs
Appels de fonctions natifs et sortie structurée pour pipelines agentiques
Licence Apache 2.0 — utilisez-le, modifiez-le, déployez-le commercialement

Attention à

L'entrée vidéo est limitée à 1 image par seconde et 60 secondes ; ne vous attendez pas à une compréhension temporelle riche.
L'audio n'est pas supporté sur cette taille — seulement sur les variantes E2B, E4B et 12B.
Avec 25,2 milliards de paramètres au total, le déploiement local nécessite une machine bien équipée malgré les économies MoE.

Idéal pour

Raisonnement

Vision

Agents et utilisation d'outils

Programmation

Contexte long

Prompts à essayer

Déboguer un bug async complexe

Voici une fonction Python asynchrone qui lève parfois une RuntimeError : 'Event loop is closed' lorsqu'elle est appelée depuis une tâche en arrière-plan FastAPI. Expliquez exactement pourquoi cela arrive, puis réécrivez la fonction pour qu'elle soit sûre dans ce contexte. Montrez le code corrigé et expliquez chaque changement.

Résoudre un casse-tête de planning

Cinq ingénieurs doivent chacun revoir deux des sept pull requests. Aucun ingénieur ne révise sa propre PR. Les PR 3 et 7 doivent être revues par des ingénieurs n'ayant pas revu les PR 1, 2 ou 4. Assignez les relecteurs à toutes les PR en respectant ces contraintes, et montrez votre raisonnement étape par étape.

Analyse d'une image jointe

Joignez une capture d'écran d'un tableau de bord, graphique ou interface. Puis demandez : décrivez chaque point de données et élément visuel visible, identifiez anomalies ou tendances, et suggérez un changement concret pour faciliter la lecture d'un coup d'œil.

Comparer avec

Gemini 3.8 Flash
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.83/M, sortie $4.12/M
Gemini 3 Flash Preview
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.50/M, sortie $3.00/M
Gemini 2.5 Flash Lite
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.10/M, sortie $0.40/M
Gemini 3.1 Flash Lite
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.25/M, sortie $1.50/M

Plus de modèles de texte de google

Questions fréquentes

Puis-je exécuter Gemma 4 26B A4B localement ?: Oui — les poids sont ouverts sous licence Apache 2.0 et disponibles sur Hugging Face à google/gemma-4-26B-A4B-it, vous pouvez donc les télécharger et l'exécuter vous-même, bien que les 25,2 milliards de paramètres totaux nécessitent une machine puissante.
Quel est le coût via API et la taille de la fenêtre de contexte ?: Le tarif est de 0,09 $ par million de tokens en entrée et 0,30 $ par million en sortie, avec une fenêtre de contexte de 256K tokens.
En quoi le 26B A4B diffère-t-il du 31B Dense dans la famille Gemma 4 ?: Le 26B A4B est un modèle Mixture-of-Experts qui n'active que 3,8 milliards de paramètres par token, ce qui le rend moins coûteux à exécuter que le 31B Dense tout en visant une qualité de sortie similaire ; le 31B Dense active tous ses paramètres à chaque fois et ne supporte pas l'entrée vidéo.

Verdict du capitaine
Une combinaison rare : poids ouverts, vraie capacité multimodale, et efficacité MoE qui maintient les coûts d'inférence raisonnables.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #46 Hottest Text / LLM model · #46 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tendance de popularité de Gemma 4 26B A4B

Score de chaleur depuis 3 Apr 2026

Score de popularité

8,770°

Cette semaine

▲

53.5%

8,713° alors, 8,770° maintenant

Ce mois-ci

▲

607%

8,512° alors, 8,770° maintenant

L'année passée

n/a

Pas encore publié/suivi

7,000°

Plancher

L’échelle va de 0° à 9 999°. Tout ce qui est en dessous de 7,000° est réservé aux modèles dont aucune source ne rapporte encore de données, ils portent un nombre de remplacement pour que les listes restent complètes. 7,000° est le point où les données mesurées commencent : un modèle avec de vraies données mais presque aucun téléchargement est au plancher, et les mesures remplissent les degrés au-dessus. Le plancher ne dit rien sur le modèle ; seuls les degrés au-dessus le font, et ce sont eux qui différencient un modèle d’un autre.

+1,489°

Tokens OpenRouter

919,242,238,645 tokens traités par ce modèle via OpenRouter au cours des 30 derniers jours, prompts et réponses confondus. Chaque 10,000,000 tokens compte comme un téléchargement dans le terme de téléchargement, 91,924 au total ; les tokens du dernier jour s'ajoutent au taux d'adoption. Source : OpenRouter (openrouter.ai/rankings).

+281°

Taux d’adoption

Environ 5,610 téléchargements par jour, mesurés entre deux relevés des sources, jamais estimés à partir d’une moyenne sur la durée. La vitesse compte pour un quart du terme téléchargement, donc une poussée récente apparaît sans qu’un pic d’un jour dépasse des années d’usage.

Afficher le détail

Chaque chiffre sur ce site peut être vérifié. Le score de popularité de ce modèle est de 8,770°, et voici comment il est construit, ingrédient par ingrédient, avec le total cumulé après chaque étape : le plancher, les degrés ajoutés par chaque source, le bonus pour le type de modèle et ce que l’âge de ses poids enlève. Les couleurs correspondent aux bandes du graphique ci-dessus. Le glossaire à la fin définit chaque terme.

1
Commence au plancher.
Pourquoi 7,000° et pas zéro : l’échelle va de 0° à 9 999°, et la partie en dessous de 7,000° est réservée aux modèles dont aucune source ne rapporte encore de données, qui portent un nombre de remplacement pour que les listes restent complètes et ne dépassent jamais un modèle avec données. 7,000° est le point où les données mesurées commencent. Un modèle avec de vraies données mais presque aucun téléchargement est ici ; tout ce qui suit est une mesure, et l’espace au-dessus du plancher contient dix paliers de dix fois plus de téléchargements à 300° chacun. Le plancher est le même pour tous les modèles, donc il ne décide rien ; ce sont les degrés au-dessus qui le font.
7,000°
total en cours
2
Ajoute les téléchargements.
91,924 équivalents de téléchargement au total, venant de Tokens OpenRouter. Multiplier les téléchargements par dix ajoute le même 300°, donc la taille compte mais ne domine jamais le score.
+1,489°
8,489°
total en cours
3
Ajoute le taux d’adoption.
Environ 5,610 téléchargements par jour en ce moment, mesurés entre deux relevés, à un quart du poids.
+281°
8,770°
total en cours
=
Le score de chaleur.
La place de ce modèle dans chaque liste de ce site. Rien d’autre ne le modifie.
8,770°

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Voici comment la popularité de ce modèle a évolué par rapport au reste du catalogue : sa croissance en téléchargements, likes et utilisation à chaque période, comparée à la croissance typique des modèles sur la même période, avec son score de chaleur à ce moment-là. Au-dessus de la croissance typique, c’est une hausse, en dessous, une baisse. Le passé est reconstitué à partir des totaux d’aujourd’hui, du premier jour du modèle et de sa vitesse de téléchargement mesurée quand il y a deux relevés ; un modèle qui n’existait pas au début d’une période affiche n/a.

Modèles similaires

Modèles d'IA pour générer image, vidéo et texte

Gemma 4 26B A4B est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm google vision vidéo raisonnement agents programmation contexte long

Parcourir par famille de modèles