Gemma 4 26B A4B: Ficha de modelo
Publicado por Nextbit256 S.L. | Última actualización: mayo de 2026 Referencia normativa: Reglamento (UE) 2024/1689 del AI Act, art. 53.1.c y 53.1.d
Identificación del modelo
| Campo | Detalle |
|---|---|
| Nombre completo del modelo | Gemma 4 26B A4B |
| Desarrollado por | Google DeepMind |
| Fecha de publicación | Abril de 2026 |
| Ficha del modelo | huggingface.co/google/gemma-4-26B-A4B |
| Informe técnico | No publicado por Google DeepMind a fecha de mayo de 2026 |
| Blog del desarrollador | blog.google, lanzamiento de Gemma 4 |
Arquitectura y parámetros
| Campo | Detalle |
|---|---|
| Arquitectura | Mixture of Experts (MoE) |
| Parámetros totales | 25,2 B |
| Parámetros activos por token | 3,8 B (8 expertos enrutados más 1 experto compartido activados, de un total de 128 expertos) |
| Parámetros sin incluir embeddings | No publicado por Google DeepMind |
| Capas | 30 |
| Atención | Atención de ventana deslizante (tamaño de ventana: 1.024 tokens) para capas locales, atención global para el resto de capas |
| Longitud de contexto nativa | 256.000 tokens |
| Contexto extendido | No aplica |
| Precisión | BF16 |
| Modalidades | Texto e imagen (multimodal) |
| Codificador de visión | ~550 M de parámetros |
Nota: "A4B" designa aproximadamente 4 B de parámetros activos por token, lo que permite un rendimiento de inferencia comparable al de un modelo denso de 4 B pese a los 25,2 B de parámetros totales.
Licencia y uso comercial
Licencia: Apache License 2.0
Apache 2.0 es una licencia de código abierto permisiva que permite el uso comercial, la distribución y la modificación de forma gratuita, siempre que se conserve el aviso de copyright original y el texto de la licencia, y que cualquier modificación quede documentada.
Verificación de Nextbit: Nextbit ha revisado los términos de licencia aplicables a Gemma 4 26B A4B y ha confirmado que prestar este modelo por API bajo un servicio de inferencia comercial está permitido conforme a Apache 2.0. No se requiere ningún acuerdo comercial adicional con Google DeepMind para este caso de uso.
Restricciones relevantes para los usuarios: ninguna específica de este modelo más allá de los términos estándar de Apache 2.0. Los usuarios de la API de Nextbit que integren las salidas del modelo en sus propios productos siguen siendo responsables de su propio cumplimiento de la normativa aplicable y de cualquier requisito de licencia derivado.
Resumen de datos de entrenamiento
A continuación se resume la información públicamente disponible facilitada por Google DeepMind sobre los datos de entrenamiento de Gemma 4.
Datos de preentrenamiento
Gemma 4 se preentrenó con un corpus multilingüe diverso. Las fuentes de datos de entrenamiento incluyen:
- Documentos web: colección diversa de texto web que abarca más de 140 idiomas
- Código: sintaxis y patrones de lenguajes de programación en múltiples lenguajes
- Matemáticas: contenido de razonamiento lógico y matemático simbólico
- Imágenes: un amplio abanico de datos de imagen para tareas de comprensión visual
Volumen de tokens: no publicado por Google DeepMind.
Fecha de corte del conocimiento
Enero de 2025. Esta es la fecha de corte del conocimiento publicada en la ficha del modelo.
Prácticas de seguridad de datos
Google DeepMind aplicó las siguientes prácticas de filtrado de datos:
- Filtrado de CSAM (material de abuso sexual infantil) en varias etapas del proceso
- Eliminación de datos personales sensibles
- Filtrado de calidad y seguridad de contenido conforme a las políticas de Google
Qué no está disponible públicamente
Google DeepMind no ha publicado:
- El recuento total de tokens del preentrenamiento de Gemma 4
- Los porcentajes exactos de composición de las fuentes de datos
- Conjuntos de datos o corpus específicos utilizados
- La metodología de filtrado o deduplicación de datos en detalle
- El cómputo de entrenamiento (FLOPs u horas de GPU)
Las referencias públicas principales son la ficha del modelo Gemma 4 y la documentación de Gemma. No se había publicado un informe técnico formal a fecha de mayo de 2026.
Idiomas admitidos
Gemma 4 26B A4B admite más de 140 idiomas, según indica la ficha del modelo. Lista completa de idiomas: consulta la ficha del modelo Gemma 4 y ai.google.dev/gemma/docs.
Usos previstos
Este modelo está diseñado para:
- Tareas de razonamiento complejo (matemáticas, lógica, razonamiento científico), con modo de pensamiento configurable mediante el token
<|think|> - Generación, completado y corrección de código
- Tareas multimodales: OCR, análisis de documentos, comprensión de gráficos, comprensión de interfaces de usuario y tareas generales de imagen y texto
- Análisis de documentos de contexto largo (hasta 256K tokens)
- Seguimiento de instrucciones multilingües y traducción
- Flujos de trabajo agénticos con function calling nativo
- Diálogo de propósito general
La ficha del modelo no indica usos explícitamente excluidos más allá de la Gemma Prohibited Use Policy estándar de Google.
Evaluación de riesgo sistémico
| Campo | Detalle |
|---|---|
| FLOPs de entrenamiento | No publicados por Google DeepMind |
| FLOPs estimados (método de parámetros activos) | ~4 × 10²³ (estimación basada en 3,8 B de parámetros activos por un número desconocido de tokens de entrenamiento, usando como referencia conservadora los ~13 billones de tokens de Gemma 2 27B, fórmula 6 × N_activos × D) |
| ¿Supera el umbral de 10²⁵ FLOPs? | No. Se estima muy por debajo del umbral de riesgo sistémico incluso bajo supuestos conservadores |
| Nota sobre la arquitectura MoE | Los FLOPs de los modelos MoE se calculan a partir de los parámetros activos por token, no de los parámetros totales. La cifra de 3,8 B de parámetros activos (no los 25,2 B totales) es la relevante para la estimación de FLOPs |
| Designación por la Oficina de IA | No está designado como modelo de riesgo sistémico a fecha de mayo de 2026 |
| ¿Aplican las obligaciones del art. 55? | No |
Esta estimación se basa en información públicamente disponible. Google DeepMind no ha publicado cifras oficiales de cómputo de entrenamiento ni el recuento total de tokens de Gemma 4. La estimación de tokens de entrenamiento toma como referencia la generación Gemma 2 por prudencia. Si Google DeepMind publica cifras oficiales, esta sección se actualizará.
Esta documentación está publicada por Nextbit256 S.L. de conformidad con el artículo 53(1)(c) y 53(1)(d) del Reglamento (UE) 2024/1689 (AI Act). Nextbit256 S.L. presta este modelo a través de su API de inferencia, pero no lo ha desarrollado ni entrenado. Toda la información sobre datos de entrenamiento y arquitectura procede de la documentación pública publicada por Google DeepMind.
Para consultas: [email protected]