Gemma 4 26B A4B(混合专家模型)
Gemma 4 26B A4Bは、DeepMindが開発した混合専門家(MoE)アーキテクチャを採用した基盤モデルです。約25.2Bのパラメータ規模を持ち、チャット形式の対話に最適化された設計となっています。
パラメータ
25.2B
コンテキスト長
256K
ライセンス
Apache 2.0
リリース日
2026-04
API料金
このモデルのAPI料金情報は現在未公開です
強み
- ・MoEによる効率的な推論
- ・256Kの長いコンテキスト
- ・Apache 2.0のオープンライセンス
弱み
- ・特定タスクへの特化不足
- ・大規模モデルへの性能差
- ・運用コストの変動可能性
活用例
- ・高度なチャットボット開発
- ・長文ドキュメントの解析
- ・オープンソースAIの構築
深度分析
Arena Elo(テキスト総合)
1438
BenchLM(7,777票)より
Arena Elo(コーディング)
1481
コーディング特化の高い性能
GPQA Diamond(推論)
82.3%
Gemma 4 31B比較:84.3%
AIME 2026(数学)
88.3%
高い数学推論能力
アクティブパラメータ
~3.8B
25.2B総パラメータのうち(MoE)
入力/出力価格
$0.13 / $0.40 per 1M tokens
混合 ~$0.20/M
強み
- ・卓越した効率性:アクティブパラメータわずか~3.8BのMoEアーキテクチャにより、はるかに大規模なdenseモデルに匹敵する性能を実現。
- ・優れた数学・コーディング推論能力。AIMEおよびLiveCodeBenchで高いスコアを記録。
- ・Apache 2.0ライセンスにより、以前のGemmaバージョンと比較し商用採用とデプロイが大幅に簡素化。
弱み
- ・Arena Elo総合スコア(1438)はトップのプロプライエタリモデル(例:Gemini 3.1 Pro)やdense 31Bの兄弟モデルに及ばない。
- ・エージェント性能が弱点とされており、Terminal-Bench(13.6)やHLE(8.7)といったベンチマークで低いスコア。
- ・より小規模なGemma 4 E2B/E4Bモデルに搭載されているネイティブ音声サポートがなく、一部のマルチモーダルユースケースが制限される。
競合比較
| Model | Arena | SWE | GPQA | Price |
|---|---|---|---|---|
| Gemini 3.1 Pro (Google) | ~1480+ | N/A | ~92%+ | プロプライエタリ/サブスクリプション |
| Gemma 4 31B Dense (Google) | 1452 | 80.0%* | 84.3% | $0.13/$0.40 per 1M tokens |
| Llama 4 (Meta) | ~1460* | N/A | ~89%* | オープンウェイト |
Gemma 4 26B A4Bは、2026年4月にリリースされたGoogle DeepMindの高効率重視のオープンウェイトモデルです。Mixture-of-Experts(MoE)モデルとして、最小限のアクティブパラメータ(~3.8B)でフロンティアに近い性能を実現することが最大の特徴であり、推論コストを大幅に抑えつつ256Kのコンテキストウィンドウを処理できます。これにより、大規模な31B dense兄弟モデルの計算要求や、プロプライエタリフロンティアモデルのリソース要件なしに、高い能力—特に推論、コーディング、マルチモーダルタスク—を必要とする開発者や研究者にとって、非常に魅力的な「スイートスポット」となります。
本モデルは、AIME(数学)やLiveCodeBench(コーディング)などのベンチマークでトップクラスのスコアを記録し、構造化された推論タスクに優れています。寛容なApache 2.0ライセンスでのリリースは、以前のGemmaモデルからの重要な転換であり、商用およびプライベートデプロイを大幅に簡素化します。あらゆるベンチマークで最高峰のプロプライエタリモデルを凌駕するわけではないものの、高い性能、アーキテクチャの効率性、オープンライセンスの組み合わせにより、デバイス上アシスタントエージェントから大規模エンタープライズパイプラインまで、幅広いアプリケーションに非常に実用的な選択肢となります。
出典
分析生成日: 2026-05-23