Gemma 4 26B A4B
8770°
इस मॉडल को चलाएं
ऑफर / विज्ञापन
Google | 262,144 token context | $0.09/M input, $0.30/M output. Gemma 4 26B A4B IT Google DeepMind का एक निर्देश-ट्यून किया हुआ Mixture-of-Experts (MoE) मॉडल है। 25.2B कुल पैरामीटर होने के बावजूद, केवल 3.8B प्रति टोकन सक्रिय होते हैं — जो लगभग 31B गुणवत्ता को बहुत कम कंप्यूट लागत पर प्रदान करता है। यह टेक्स्ट, छवियाँ, और वीडियो (60 सेकंड तक 1fps पर) सहित मल्टीमॉडल इनपुट का समर्थन करता है। इसमें 256K टोकन संदर्भ विंडो, मूल फ़ंक्शन कॉलिंग, कॉन्फ़िगर करने योग्य सोच/तर्क मोड, और संरचित आउटपुट समर्थन शामिल है। Apache 2.0 के तहत जारी।
इस मॉडल के लिए गाइड
Ollama कैसे इंस्टॉल करें और लोकल AI चलाएं (Windows, Mac, Linux)
Ollama बनाम LM Studio (2026): कौन सा लोकल AI ऐप इस्तेमाल करें, और कौन से टॉप मॉडल कौन चलाता है
GGUF फ़ाइल क्या है? क्वांटाइज़्ड मॉडल समझाया (Q4, Q8, fp8, NF4)
अक्टूबर 2026 में AI मॉडल कैसे चुनें: बंद स्रोत समाचार, फिर डाउनलोड करने योग्य खुले वज़न
उपयोग के अनुसार सर्वश्रेष्ठ स्थानीय LLM (अक्टूबर 2026): हर काम के लिए सही खुला मॉडल
स्थानीय AI के लिए मुझे वास्तव में कितनी VRAM चाहिए?
कैप्टन के नोट्स
2026-10-13 के नोट्स
Gemma 4 26B A4B Google DeepMind का एक इंस्ट्रक्शन-ट्यून Mixture-of-Experts मॉडल है जो प्रति टोकन केवल 3.8B पैरामीटर सक्रिय करता है जबकि कुल 25.2B पैरामीटर हैं, इसलिए आपको लगभग 31B-श्रेणी का आउटपुट कम कंप्यूट लागत पर मिलता है। यह टेक्स्ट, इमेज, और 60 सेकंड तक के वीडियो को संभालता है, 256K टोकन कॉन्टेक्स्ट विंडो और कॉन्फ़िगर करने योग्य तर्क मोड के साथ। Apache 2.0 वज़न इसे किसी भी सक्षम मल्टीमॉडल मॉडल के लिए एक गंभीर विकल्प बनाते हैं जिसे आप वास्तव में चला और संशोधित कर सकते हैं।
के लिए जाना जाता है
- MoE दक्षता: प्रति टोकन 3.8B सक्रिय पैरामीटर, लगभग 31B गुणवत्ता
- मल्टीमॉडल: टेक्स्ट, इमेज, और 60 सेकंड तक वीडियो स्वीकार करता है
- 256K टोकन कॉन्टेक्स्ट विंडो लंबे दस्तावेज़ कार्य के लिए
- नेटिव फंक्शन कॉलिंग और एजेंटिक पाइपलाइनों के लिए संरचित आउटपुट
- Apache 2.0 लाइसेंस — उपयोग करें, संशोधित करें, व्यावसायिक रूप से तैनात करें
सावधान रहें
- वीडियो इनपुट 1fps और 60 सेकंड तक सीमित है; समृद्ध कालिक समझ की उम्मीद न करें।
- इस आकार पर ऑडियो समर्थित नहीं है — केवल E2B, E4B, और 12B संस्करणों पर।
- 25.2B कुल पैरामीटर होने के कारण, स्थानीय तैनाती के लिए एक सक्षम मशीन की आवश्यकता होती है, भले ही MoE बचत हो।
के लिए सबसे अच्छा
प्रयास करने के लिए प्रॉम्प्ट
एक जटिल async बग को डिबग करें
यहाँ एक Python async फ़ंक्शन है जो कभी-कभी FastAPI बैकग्राउंड टास्क से कॉल करने पर RuntimeError: 'Event loop is closed' उठाता है। बताएं कि ऐसा क्यों होता है, फिर फ़ंक्शन को इस संदर्भ में सुरक्षित कॉल के लिए पुनः लिखें। सही कोड दिखाएं और प्रत्येक बदलाव समझाएं।
एक शेड्यूलिंग पहेली पर तर्क करें
पाँच इंजीनियरों को सात पुल रिक्वेस्ट में से प्रत्येक को दो की समीक्षा करनी है। कोई इंजीनियर अपनी खुद की PR की समीक्षा नहीं करता। PRs 3 और 7 की समीक्षा उन इंजीनियरों को करनी है जिन्होंने PRs 1, 2, या 4 की समीक्षा नहीं की है। इन प्रतिबंधों को पूरा करते हुए सभी सात PRs के लिए समीक्षकों को असाइन करें, और अपने तर्क को चरण-दर-चरण दिखाएं।
संलग्न छवि का विश्लेषण करें
एक डैशबोर्ड, चार्ट, या UI का स्क्रीनशॉट संलग्न करें। फिर पूछें: आप जो भी डेटा पॉइंट और दृश्य तत्व देख सकते हैं, उनका वर्णन करें, किसी भी विसंगति या रुझान की पहचान करें, और एक ठोस बदलाव सुझाएं जो इसे एक नजर में पढ़ने में आसान बनाए।
की तुलना करें
- Gemini 3.8 Flashकेवल API मॉडल1,048,576 टोकन संदर्भ · $0.83/M इनपुट, $4.12/M आउटपुट
- Gemini 3 Flash Previewकेवल API मॉडल1,048,576 टोकन संदर्भ · $0.50/M इनपुट, $3.00/M आउटपुट
- Gemini 2.5 Flash Liteकेवल API मॉडल1,048,576 टोकन संदर्भ · $0.10/M इनपुट, $0.40/M आउटपुट
- Gemini 3.1 Flash Liteकेवल API मॉडल1,048,576 टोकन संदर्भ · $0.25/M इनपुट, $1.50/M आउटपुट
google से और टेक्स्ट मॉडल
लोग जो सवाल पूछते हैं
- क्या मैं Gemma 4 26B A4B को लोकल चला सकता हूँ?
- हाँ — वज़न Apache 2.0 के तहत खुले हैं और Hugging Face पर google/gemma-4-26B-A4B-it पर उपलब्ध हैं, इसलिए आप इसे डाउनलोड और चला सकते हैं, हालांकि 25.2B कुल पैरामीटर होने के कारण सक्षम मशीन की आवश्यकता होगी।
- API के माध्यम से इसकी कीमत क्या है, और कॉन्टेक्स्ट विंडो कितनी बड़ी है?
- कीमत $0.09 प्रति मिलियन इनपुट टोकन और $0.30 प्रति मिलियन आउटपुट टोकन है, कॉन्टेक्स्ट विंडो 256K टोकन की है।
- Gemma 4 परिवार में 26B A4B और 31B Dense में क्या अंतर है?
- 26B A4B एक Mixture-of-Experts मॉडल है जो प्रति टोकन केवल 3.8B पैरामीटर सक्रिय करता है, जिससे यह 31B Dense की तुलना में सस्ता चलता है जबकि समान आउटपुट गुणवत्ता लक्षित करता है; 31B Dense हर बार अपने सभी पैरामीटर सक्रिय करता है और वीडियो इनपुट का समर्थन नहीं करता।
कैप्टन का निर्णयएक दुर्लभ संयोजन: खुले वज़न, वास्तविक मल्टीमॉडल क्षमता, और MoE दक्षता जो इन्फरेंस लागत को ईमानदार रखती है।
Hugging Face पर मॉडल कार्ड
कैप्टन ये नोट्स मॉडल के अपने विवरण और मॉडल कार्ड से लिखता है। कीमतें और संदर्भ आकार लेखन के समय प्रदाता के हैं और बदल सकते हैं।
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.
Also ranked: #46 Hottest Text / LLM model · #46 Hottest Text / LLM text model
Not this creator?
Get your own badge
Gemma 4 26B A4B लोकप्रियता रुझान
3 Apr 2026 से हीट स्कोर
हीट स्कोर
8,770°
इस सप्ताह
▲
53.5%
8,713° तब, 8,770° अब
इस महीने
▲
607%
8,512° तब, 8,770° अब
पिछला साल
n/a
अभी जारी/ट्रैक नहीं हुआ
7,000°
फर्श
स्केल 0° से 9,999° तक चलता है। 7,000° से नीचे सब उन मॉडलों के लिए रखा गया है जिन पर अभी तक कोई स्रोत रिपोर्ट नहीं करता, जो वहाँ एक स्टैंड-इन नंबर रखते हैं ताकि सूचियाँ पूरी रहें। 7,000° वह जगह है जहाँ मापा गया डेटा शुरू होता है: एक मॉडल जिसके पास असली डेटा है लेकिन लगभग कोई डाउनलोड नहीं है, वह फर्श पर बैठता है, और माप ऊपर के डिग्री भरते हैं। फर्श मॉडल के बारे में कुछ नहीं कहता; केवल ऊपर के डिग्री कहते हैं, और वही एक मॉडल को दूसरे से अलग करते हैं।
+1,489°
OpenRouter टोकन
पिछले 30 दिनों में इस मॉडल ने OpenRouter के माध्यम से 919,242,238,645 टोकन संसाधित किए, प्रॉम्प्ट और उत्तर दोनों मिलाकर। हर 10,000,000 टोकन डाउनलोड अवधि में एक डाउनलोड के रूप में गिने जाते हैं, कुल 91,924; अंतिम दिन के टोकन अपनाने की दर में शामिल होते हैं। स्रोत: OpenRouter (openrouter.ai/rankings)।
+281°
अपनाने की दर
लगभग 5,610 डाउनलोड प्रति दिन, स्रोतों के दो रीडिंग के बीच मापा गया, कभी भी जीवनकाल औसत से अनुमानित नहीं। स्पीड डाउनलोड टर्म का एक चौथाई वजन रखती है, इसलिए एक ताजा उछाल दिखता है बिना एक दिन के स्पाइक को वर्षों के उपयोग से ऊपर रखे।
विस्तृत विवरण दिखाओ
इस साइट पर हर नंबर की जांच की जा सकती है। इस मॉडल का हीट स्कोर 8,770° है, और इसे एक-एक घटक के हिसाब से बनाया गया है, हर एक के बाद कुल योग के साथ: फर्श, हर स्रोत द्वारा जोड़े गए डिग्री, मॉडल के प्रकार के लिए बोनस और इसके वज़न की उम्र जो घटाती है। रंग ऊपर के चार्ट के बैंड हैं। अंत में शब्दावली हर शब्द को परिभाषित करती है।
- 1फर्श से शुरू करें।क्यों 7,000° और शून्य नहीं: स्केल 0° से 9,999° तक चलता है, और 7,000° से नीचे का हिस्सा उन मॉडलों के लिए आरक्षित है जिन पर अभी तक कोई स्रोत रिपोर्ट नहीं करता, जो वहाँ एक स्टैंड-इन नंबर रखते हैं ताकि सूचियाँ पूरी रहें और कभी भी डेटा वाले मॉडल से ऊपर न रहें। 7,000° वह जगह है जहाँ मापा गया डेटा शुरू होता है। एक मॉडल जिसके पास असली डेटा है लेकिन लगभग कोई डाउनलोड नहीं है, वह यहाँ बैठता है; इसके बाद सब माप है, और फर्श के ऊपर जगह में दस दस गुना कदम होते हैं, हर एक 300° के। फर्श हर मॉडल के लिए एक जैसा है, इसलिए यह कुछ तय नहीं करता; ऊपर के डिग्री तय करते हैं।7,000°चल रहा कुल
- 2डाउनलोड जोड़ें।कुल 91,924 डाउनलोड-बराबर, OpenRouter टोकन से। दस गुना डाउनलोड से वही 300° बढ़ता है, इसलिए साइज मायने रखता है लेकिन स्कोर को कभी भी ज्यादा नहीं बढ़ाता।+1,489°8,489°चल रहा कुल
- 3अपनाने की दर जोड़ो।अभी लगभग 5,610 डाउनलोड रोज़ाना, दो माप के बीच मापा गया, जो वजन का एक चौथाई है।+281°8,770°चल रहा कुल
- =हीट स्कोर।इस मॉडल का इस साइट की हर सूची में स्थान। इसे कुछ और नहीं बदलता।8,770°
शब्दावली: यहाँ इस्तेमाल हुए शब्द
- हीट स्कोर
- एक नंबर जो बताता है कि मॉडल अभी कितना इस्तेमाल हो रहा है और कितना पसंद किया जा रहा है, 0° से 9,999° तक। इस साइट की हर 'सबसे गर्म' सूची इसी के हिसाब से सॉर्ट होती है।
- फ्लोर
- 7,000° जो हर मॉडल को असली डेटा के साथ मिलता है। स्केल 0° से 9,999° तक चलता है; फ्लोर से नीचे का हिस्सा बिना डेटा वाले मॉडल के लिए रखा गया है, ताकि डेटा वाला मॉडल हमेशा ऊपर रहे। फ्लोर सबके लिए एक जैसा है और कुछ तय नहीं करता; इससे ऊपर के डिग्री माप हैं।
- डाउनलोड-बराबर
- स्कोर जो कुछ भी डाउनलोड मानता है, उसका जोड़: खुद डाउनलोड, हर टोरेंट सीडर को 1,000, हर AI Horde इमेज और हर जनरेशन साइट पर रन को 1 माना जाता है।
- लॉग स्केल
- दस के हिसाब से गिनती, एक-एक करके नहीं: 1,000 से 10,000 डाउनलोड जाना उतना ही डिग्री बढ़ाता है जितना 10,000 से 100,000 जाना। इससे बड़े मॉडल बाकी सबको दबाते नहीं।
- लाइक्स
- हर स्रोत से अंगूठा ऊपर और लाइक्स, जो लॉग स्केल पर आधे डाउनलोड के बराबर हैं।
- अपनाने की दर
- अभी मॉडल को रोजाना कितने डाउनलोड मिल रहे हैं, दो माप के बीच के अंतर से। डाउनलोड के वजन का एक चौथाई।
- मापा और अनुमानित
- मापा मतलब किसी स्रोत के दो रीडिंग मौजूद हैं और उनका अंतर असली है। अनुमानित मतलब केवल आज का कुल पता है और पिछला डेटा मॉडल के जीवनकाल में फैला हुआ है; साइट बताती है कि कौन सा दिखा रही है।
- सीडर
- कोई जो वज़न की कॉपी ऑनलाइन रखता है ताकि दूसरे टोरेंट के जरिए डाउनलोड कर सकें, या होस्टेड मिरर जो ऐसा करता है। हर एक को 1,000 डाउनलोड माना जाता है।
- AI हॉरड
- एक स्वयंसेवी नेटवर्क जो दान किए गए कंप्यूटरों पर मुफ्त में इमेज बनाता है। किसी मॉडल के साथ बनाई गई इमेज की संख्या सार्वजनिक होती है, और हर एक को एक डाउनलोड माना जाता है।
- जनरेशन साइट्स
- ऐसी साइट्स जो अपने मॉडल की कॉपी होस्ट करती हैं और लोगों को उससे जनरेट करने देती हैं, जैसे PixAI, SeaArt और Yodayo। इनके डाउनलोड Civitai की तरह गिने जाते हैं और हर जनरेशन रन को एक डाउनलोड माना जाता है।
- OpenRouter टोकन
- Claude या GPT जैसे API के माध्यम से सेवा प्राप्त टेक्स्ट मॉडल के लिए डाउनलोड करने के लिए कोई वज़न नहीं होता, इसलिए इसका उपयोग टोकन में मापा जाता है: वे टेक्स्ट के टुकड़े जो इसने OpenRouter के माध्यम से पढ़े और लिखे, जो कई ऐप्स द्वारा उपयोग किया जाने वाला एक गेटवे है, पिछले 30 दिनों में। हर 10,000,000 टोकन एक डाउनलोड के रूप में गिने जाते हैं। स्रोत: OpenRouter (openrouter.ai/rankings), CC BY 4.0।
- पूरा मॉडल (चेकपॉइंट)
- खुद जनरेट करने वाली फाइल, वज़न खुद में। इसे बोनस मिलता है क्योंकि एड-ऑन इसी पर निर्भर होते हैं।
- LoRA और एम्बेडिंग
- छोटे एड-ऑन फाइल जो किसी और के वज़न को एक स्टाइल, कैरेक्टर या कॉन्सेप्ट की ओर मोड़ते हैं। ये अकेले नहीं चल सकते।
- फैमिली और वज़न
- जिस बेस पर मॉडल बना है, जैसे SD 1.5, SDXL, Flux या Wan। हर मॉडल अपने फैमिली के वज़न की रिलीज़ तारीख विरासत में लेता है।
- उम्र
- कितने समय पहले फैमिली के वज़न आए थे उसके हिसाब से घटाई गई डिग्री: सालाना 150°, अधिकतम 750° तक। यह पुराने डाउनलोड्स को सूची के शीर्ष से फ्रीज करके रखता है।
- फैमिली बूस्ट
- इस साइट द्वारा अभी आगे बढ़ाए जा रहे फैमिली के LoRA के लिए एक छोटा, सीमित बढ़ावा, जो हमेशा ब्रेकडाउन में दिखता है।
- स्टैंड-इन स्कोर
- एक स्थिर संख्या जो उस मॉडल को दी जाती है जिसके लिए अभी कोई स्रोत रिपोर्ट नहीं है, ताकि सूचियाँ पूरी रहें। यह कभी भी डेटा वाले मॉडल से ऊपर रैंक नहीं करता।
- नया! (ग्रेस अवधि)
- एक मॉडल जो 7 दिनों से कम पुराना है, वह स्कोर के बजाय नया! दिखाता है और रैंकिंग में कोई स्थान नहीं रखता। इसका स्कोर पहले दिन से गणना किया जाता है, लेकिन एक दिन पुराना मॉडल सबसे तेज़ बढ़ता है, इसलिए बिना इंतजार के सप्ताह का #1 हमेशा कल निकला हुआ मॉडल होता बजाय उस मॉडल के जो एक सप्ताह तक टिके।
- ट्रेंड
- किसी अवधि में मॉडल की बढ़त की तुलना उसी अवधि में सामान्य मॉडल की बढ़त से। सामान्य से तेज़ बढ़त को उछाल माना जाता है, धीमी को गिरावट।
- सामान्य मॉडल
- कैटलॉग का मध्य: आधे मॉडल जिनके आंकड़े हैं, उन्होंने उस अवधि में तेज़ बढ़त की, आधे ने धीमी।
इस मॉडल की लोकप्रियता कैटलॉग के बाकी हिस्सों के मुकाबले कैसे बढ़ी है: हर अवधि में डाउनलोड, लाइक और उपयोग में इसका विकास, उसी अवधि में सामान्य मॉडल के विकास के मुकाबले मापा गया, और उस समय इसका हीट स्कोर। सामान्य विकास से ऊपर बढ़ोतरी दिखाती है, नीचे गिरावट। अतीत को आज के टोटल, मॉडल के पहले दिन और मापा गया डाउनलोड स्पीड से फिर से बनाया गया है जब दो रीडिंग्स मौजूद हों; अगर मॉडल उस अवधि की शुरुआत में मौजूद नहीं था तो n/a दिखता है।
Gemma 4 26B A4B Text / LLM फ़ैमिली का एक टेक्स्ट मॉडल है, जो ModelTrends.ai पर सूचीबद्ध है — ओपन सोर्स AI इमेज, वीडियो और टेक्स्ट मॉडल की एक केवल-पढ़ने योग्य सूची। इसकी तुलना अन्य Text / LLM मॉडल से करें और ट्रेंड देखने के लिए इसका हीट स्कोर देखें।
मॉडल फ़ैमिली के अनुसार ब्राउज़ करें
Text / LLM मॉडल
434
Anima मॉडल
528
Chroma मॉडल
19
Fibo मॉडल
2
Flux मॉडल
1,496
Flux 2 / Klein मॉडल
1,239
Flux 3 मॉडल
3
Moss मॉडल
3
Iris मॉडल
1
MiniMax H3 मॉडल
364
Hunyuan मॉडल
204
Ideogram मॉडल
20
Krea2 मॉडल
717
Qwen मॉडल
20
Qwen2 मॉडल
47
Ltx2 मॉडल
153