Google

•

Gemma 4 26B A4B

•

Open weights model

•

Released abril de 2026

Análisis de inteligencia, rendimiento y precio de Gemma 4 26B A4B (Reasoning)

Name: Inteligencia
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Probar Benchmarks de proveedores de API

Inteligencia

17*

Artificial Analysis Intelligence Index

* Estimado

Costo

Entrada 0,10 US$Salida 0,37 US$Descuento de caché 50%

N/D

Costo por tarea del Intelligence Index

Verbosidad

N/D

Tokens de salida del Intelligence Index

Gemma 4 26B A4B (Reasoning) está entre los modelos líderes en inteligencia y tiene un precio razonable en comparación con otros modelos de pesos abiertos y tamaño similar. El modelo admite entrada de texto, imágenes y video, genera texto y tiene una ventana de contexto de 256k tokens.

Gemma 4 26B A4B (Reasoning) obtiene 17 puntos en el Artificial Analysis Intelligence Index, lo que lo sitúa muy por encima del promedio entre modelos comparables (con una mediana de 8).

El precio de Gemma 4 26B A4B (Reasoning) es de $0.10 por 1 M de tokens de entrada (moderado; mediana: $0.13) y $0.37 por 1 M de tokens de salida (algo elevado; mediana: $0.30).

Con 71 tokens por segundo, Gemma 4 26B A4B (Reasoning) es más lento que el promedio (80).

Razonamiento	Sí Esta página muestra la versión con razonamiento de este modelo. También puede existir una variante sin razonamiento.
Modalidad de entrada	Admite: texto, imágenes y video
Modalidad de salida	Admite: texto
Ventana de contexto	256k ~384 páginas A4 con fuente Arial de 12 puntos
Parámetros totales	25.2B
Parámetros activos	3.8B Número de parámetros activos por token durante la inferencia
Licencia	Apache 2.0
Pesos del modelo	Hugging Face

Las métricas se comparan con modelos de la misma clase:

Modelos sin razonamiento → se comparan solo con otros modelos sin razonamiento
Modelos de razonamiento → se comparan tanto con modelos de razonamiento como sin razonamiento
Modelos de pesos abiertos → se comparan solo con otros modelos de pesos abiertos de la misma categoría de tamaño:

Muy pequeño: ≤4B parámetros
Pequeño: 4B–40B parámetros
Mediano: 40B–150B parámetros
Grande: >150B parámetros

Modelos propietarios → se comparan con modelos propietarios y de pesos abiertos del mismo rango de precio mediante una proporción combinada de precios de entrada/salida de 3:1:

<$0.15 por 1 M de tokens
$0.15–$1 por 1 M de tokens
>$1 por 1 M de tokens

Inteligencia

Artificial Analysis Intelligence Index · Higher is better

Velocidad

Output tokens per second · Higher is better

Costo por tarea

Weighted average cost (USD) per Intelligence Index task · Lower is better

Inteligencia

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

No publicly available API

Estimate (independent evaluation forthcoming)

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: pesos abiertos vs. propietarios

No publicly available API

Estimate (independent evaluation forthcoming)

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Intelligence Index vs. costo por tarea

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Índices de capacidades

Miden el rendimiento de modelos en capacidades e industrias específicas

Artificial Analysis Economics Index

Incorporates 5 evaluations: AA-Omniscience, Humanity's Last Exam, GDPval-AA v2.1, AA-Briefcase v1.1, AA-LCR v1.1 · Higher is better

No publicly available API

Benchmarks

Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

No publicly available API

AA-Briefcase v1.1Updated

Agentic knowledge work, (Elo-500)/2000

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

GDPval-AA v2.1Updated

Agentic real-world work tasks, (Elo-500)/2000

Humanity's Last Exam

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

AA-LCR v1.1

Long context reasoning

SciCodeUnder review

Coding

CritPtUnder review

Physics reasoning

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode 1.1New

Agentic software engineering in open-source repositories

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

Harvey LAB-AA v1.1Updated

Legal agentic work, Hallucination-Gated All-Pass Rate

EnterpriseOps-Gym-AA

Agentic business operations

ITBench-AA

Kubernetes incident root-cause analysis

MLCR-AA

Medical long context reasoning

MMMU-Pro

Visual reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Briefcase v1.1Updated

Elo de AA-Briefcase

AA-Briefcase v1.1 is an agentic knowledge work benchmark developed by Artificial Analysis. AA-Briefcase Elo is a combined metric that aggregates rubric pass rate, analytical quality Elo and presentation Elo · Higher is better

No publicly available API

AA-Briefcase Elo is a combined metric that aggregates analytical quality Elo, presentation Elo, and rubric pass rate, with rubric performance converted into Elo via synthetic head-to-head matches. Elo and 95% confidence interval bounds are clamped at 0.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

No publicly available API

Openness Index

Artificial Analysis Openness Index: puntuación

El Openness Index mide la apertura de los modelos en una escala normalizada de 0 a 100 (cuanto más alta, mayor apertura)

Comparaciones del Intelligence Index

Intelligence Index vs. costo por tarea

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Costo

Costo por tarea del Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Costo de ejecutar el Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Precios: aciertos de caché, entrada y salida

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Ventana de contexto

Context window: tokens limit · Higher is better

No publicly available API

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Velocidad

Medida por la velocidad de salida (tokens por segundo)

Velocidad de salida

Output tokens per second · Higher is better

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Tiempo por tarea del Intelligence Index

Weighted average decode time (minutes) per Intelligence Index task · Excludes TTFT and overhead time · Lower is better

The weighted average time (seconds) per Artificial Analysis Intelligence Index task. This is calculated by dividing output tokens per task by output speed, weighted by the relative weights of each benchmark in the Intelligence Index.

Latencia

Medida por el tiempo (segundos) hasta el primer token

Latencia: Tiempo hasta el primer token de respuesta

Segundos hasta recibir el primer token de respuesta · Incluye el tiempo de «pensamiento» de los modelos de razonamiento

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Tiempo de respuesta de extremo a extremo

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

Tiempo de respuesta de extremo a extremo

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better

Seconds to receive a 500 token response. Key components:

Input time: Time to receive the first response token
Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
Answer time: Time to generate 500 output tokens, based on output speed

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Tamaño del modelo (solo modelos de pesos abiertos)

Tamaño del modelo: parámetros totales y activos

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Preguntas frecuentes

Preguntas comunes sobre Gemma 4 26B A4B (Reasoning)

Gemma 4 26B A4B (Reasoning) se lanzó el 2 de abril de 2026.

Gemma 4 26B A4B (Reasoning) fue creado por Google.

Gemma 4 26B A4B (Reasoning) obtiene 17 puntos (estimados) en el Artificial Analysis Intelligence Index, lo que lo sitúa muy por encima del promedio entre otros modelos de pesos abiertos y tamaño similar (mediana: 8).

Gemma 4 26B A4B (Reasoning) genera 70.7 tokens de salida por segundo (según la mediana de los proveedores que sirven el modelo), un valor por debajo del promedio frente a otros modelos de pesos abiertos y tamaño similar (mediana: 80.3 t/s).

Gemma 4 26B A4B (Reasoning) tiene un tiempo hasta el primer token (TTFT) de 0.99 s (según la mediana de los proveedores que sirven el modelo), un valor mejor que el promedio frente a otros modelos de pesos abiertos y tamaño similar (mediana: 1.18 s).

Gemma 4 26B A4B (Reasoning) cuesta $0.10 por 1 M de tokens de entrada (mejor que el promedio; mediana: $0.13) y $0.37 por 1 M de tokens de salida (algo mayor que el promedio; mediana: $0.30), según la mediana de los proveedores que sirven el modelo.

Gemma 4 26B A4B (Reasoning) cuesta $0.10 por 1 M de tokens de entrada y $0.37 por 1 M de tokens de salida (según la mediana de los proveedores que sirven el modelo). Con una tarifa combinada (proporción 7:2:1 entre aciertos de caché, entrada y salida), equivale a $0.09 por 1 M de tokens. El precio puede variar según el proveedor. Comparar precios de proveedores

Sí, Gemma 4 26B A4B (Reasoning) es un modelo de razonamiento. Usa pensamiento extendido o razonamiento en cadena para resolver problemas complejos antes de dar una respuesta.

Gemma 4 26B A4B (Reasoning) admite entrada de texto, imágenes y video.

Gemma 4 26B A4B (Reasoning) admite salida de texto.

Sí, Gemma 4 26B A4B (Reasoning) admite imágenes como entrada y puede analizarlas, describirlas y responder preguntas sobre ellas.

Sí, Gemma 4 26B A4B (Reasoning) es multimodal. Puede procesar entradas de texto, imágenes y video y generar salidas de texto.

Gemma 4 26B A4B (Reasoning) tiene una ventana de contexto de 260k tokens. Esto determina cuánto texto e historial de conversación puede procesar el modelo en una sola solicitud.

Sí, Gemma 4 26B A4B (Reasoning) es un modelo de pesos abiertos. Los pesos del modelo están disponibles públicamente y pueden descargarse para alojarlo por cuenta propia.

Gemma 4 26B A4B (Reasoning) tiene 25,2 mil millones de parámetros (3,8 mil millones activos).

Gemma 4 26B A4B (Reasoning) es un modelo de mezcla de expertos (MoE) con 25,2 mil millones de parámetros totales, pero durante la inferencia solo usa 3,8 mil millones de parámetros activos.

Gemma 4 26B A4B (Reasoning) se publica bajo la licencia Apache 2.0, que permite el uso comercial. Ver licencia

Gemma 4 26B A4B (Reasoning) obtiene 17 puntos en el Artificial Analysis Intelligence Index. Este benchmark compuesto evalúa los modelos en razonamiento, conocimiento, matemáticas y programación.

Sí, Gemma 4 26B A4B (Reasoning) está disponible mediante API a través de 8 proveedores. Comparar proveedores de API

Gemma 4 26B A4B (Reasoning) está disponible a través de 8 proveedores de API. Comparar proveedores

Análisis de inteligencia, rendimiento y precio de Gemma 4 26B A4B (Reasoning)

Resumen del modelo

Verbosidad

Resumen comparativo

Especificaciones técnicas

142 modelos en esta clase

Inteligencia

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: pesos abiertos vs. propietarios

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. costo por tarea

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Briefcase v1.1Updated

Elo de AA-Briefcase

AA-Briefcase Elo

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Openness Index

Artificial Analysis Openness Index: puntuación

Comparaciones del Intelligence Index

Intelligence Index vs. costo por tarea

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Costo

Costo por tarea del Intelligence Index

Cost per Intelligence Index Task

Costo de ejecutar el Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Precios: aciertos de caché, entrada y salida

Cache Hit

Ventana de contexto

Ventana de contexto

Context Window for RAG

Context Window

Velocidad

Velocidad de salida

Output Speed

Model Performance Representation

Tiempo por tarea del Intelligence Index

Time per Intelligence Index Task

Latencia

Latencia: Tiempo hasta el primer token de respuesta

Time to First Answer Token

Tiempo de respuesta de extremo a extremo

Tiempo de respuesta de extremo a extremo

End-to-End Response Time

Model Performance Representation

Tamaño del modelo (solo modelos de pesos abiertos)

Tamaño del modelo: parámetros totales y activos

Total Parameters

Active Parameters at Inference Time

Preguntas frecuentes

¿Cuándo se lanzó Gemma 4 26B A4B (Reasoning)?

¿Quién creó Gemma 4 26B A4B (Reasoning)?

¿Qué tan inteligente es Gemma 4 26B A4B (Reasoning)?

¿Qué tan rápido es Gemma 4 26B A4B (Reasoning)?

¿Cuál es la latencia de Gemma 4 26B A4B (Reasoning)?

¿Cuánto cuesta Gemma 4 26B A4B (Reasoning)?

¿Cuál es el precio de la API de Gemma 4 26B A4B (Reasoning)?

¿Gemma 4 26B A4B (Reasoning) es un modelo de razonamiento?

¿Qué modalidades de entrada admite Gemma 4 26B A4B (Reasoning)?

¿Qué modalidades de salida admite Gemma 4 26B A4B (Reasoning)?

¿Gemma 4 26B A4B (Reasoning) puede procesar imágenes?

¿Gemma 4 26B A4B (Reasoning) es multimodal?

¿Cuál es la ventana de contexto de Gemma 4 26B A4B (Reasoning)?

¿Gemma 4 26B A4B (Reasoning) es de código abierto?

¿Cuántos parámetros tiene Gemma 4 26B A4B (Reasoning)?

¿Cuáles son los parámetros activos de Gemma 4 26B A4B (Reasoning)?

¿Qué licencia tiene Gemma 4 26B A4B (Reasoning)?

¿Cómo rinde Gemma 4 26B A4B (Reasoning) en los benchmarks?

¿Gemma 4 26B A4B (Reasoning) está disponible mediante API?

¿Dónde puedo usar Gemma 4 26B A4B (Reasoning)?