Gemma 4 26B-A4B Instruct (thinking on)
Google DeepMind unterscheidet Gemma 4 26B-A4B Instruct bewusst von früheren Gemma-Generationen: unter echter Apache-2.0-Lizenz, also ohne restriktive Gemma-Nutzungsbedingungen. Das Open-Weight-MoE aktiviert pro Token nur etwa 3,8 von 25,2 Milliarden Parametern und unterstützt Multi-Token-Prediction für schnelleres Decoding. Multimodalität für Text und Bild, 262.144 Tokens Kontext, natives Function-Calling und konfigurierbarer Thinking-Modus runden das Profil ab.
- Open Weights
- Workstation
- VSPK
- Text
- Vision
- Instruction-Tuned
- Batch
Sovereign Risk: MEDIUM Google DeepMind ist ein US-Unternehmen, daher besteht bei Cloud-/API-Nutzung (z.B. Google Cloud, OpenRouter) US-CLOUD-Act-Exposition. Gemma 4 wurde im Gegensatz zu älteren Gemma-Generationen unter echter Apache-2.0-Lizenz veröffentlicht (keine Gemma Terms of Use mehr), was Fine-Tuning und kommerzielle Nutzung ohne Auflagen erlaubt. Bei rein lokalem Betrieb über llama.cpp/GGUF entfällt die CLOUD-Act-Relevanz vollständig, da keine Datenübertragung an Google erfolgt. Weights sind offen auf Hugging Face verfügbar.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 70.47
- Routine
- 43.35
- Reasoning
- 27.12
- LLM Judge Avg
- 3.63 / 5
- 100 Coverage
- Avg Task Duration
- 75.22s
- Batch
- Token Rate
- 18.65tok/s
- Output Rate
- P95 Latency
- 116.93s
- Top 5 %
- Total Tokens
- 123500
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 123500 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.