pro Model HubDocs

Gemma 4 26B-A4B

Unser Standardmodell: Allround-Modell von Google mit Bildverständnis und sehr langem Kontextfenster. Als Mixture-of-Experts-Modell rechnet es pro Token nur mit 3,8 Mrd. aktiven Parametern und antwortet deshalb schnell.

BetaBildeingabeTool-CallingReasoning

Steckbrief

API-ID (model)gemma-4-26b-a4b
AnbieterGoogle
KategorieSprachmodelle
Kontextfenster262.144 Token (Eingabe und Ausgabe zusammen)
Credit-Faktor1× (Credits pro Token)
Bildeingabeja (Anleitung)
Tool-Callingja (Anleitung)
ReasoningOptional (standardmäßig aus) (Anleitung)

Verbrauch pro Request: (Input-Token + Output-Token) × Credit-Faktor, siehe Abrechnung.

Stärken

  • Kontextfenster von 262.144 Token für lange Dokumente
  • Bildverständnis: bis zu 4 Bilder pro Anfrage (Beta)
  • Schnelle Antworten
  • Zuverlässiges Tool Calling und strukturierte Ausgaben (JSON-Schema)
  • Optionaler Reasoning-Modus
  • Läuft an zwei Standorten

Schwächen

  • Bei sehr anspruchsvollen Zusammenfassungen schreibt Gemma 4 31B oft besser
  • Erzeugt keine Bilder, antwortet nur in Text
  • Kennt keine aktuellen Rechtsstände (Trainingsstand)

Empfohlene Einsatzbereiche

  • Allgemeine Assistenz, E-Mails und Texte
  • Lange Verträge, Handbücher und Berichte auswerten
  • Belege, Screenshots und Diagramme auslesen
  • Agenten mit Tool-Nutzung
  • Extraktion in JSON

API-Hinweise

  • Reasoning ist standardmäßig aus. Jeder Wert von reasoning_effort außer none schaltet den Denkmodus ein, die Stufe ändert die Länge des Gedankengangs nicht. Alternativ chat_template_kwargs: {"enable_thinking": true}.
  • tool_choice: "required" und das Erzwingen einer bestimmten Funktion setzt das Modell nicht um, es entscheidet wie bei auto selbst. Bei required kommt trotzdem finish_reason: "tool_calls" zurück, auch ohne Aufruf – prüfe tool_calls statt finish_reason.
  • Bilder nur als Base64-Data-URI, höchstens 4 pro Request, jedes etwa 260 Input-Token.

Beispiel

Den API-Key legst du im Portal unter API-Keys an, siehe Schnellstart.

curl https://api.promodelhub.de/v1/chat/completions \
  -H "Authorization: Bearer $PRO_MODEL_HUB_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemma-4-26b-a4b",
    "messages": [{"role": "user", "content": "Erkläre in zwei Sätzen, was ein Sprachmodell ist."}]
  }'
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.promodelhub.de/v1",
    api_key=os.environ["PRO_MODEL_HUB_API_KEY"],
)

response = client.chat.completions.create(
    model="gemma-4-26b-a4b",
    messages=[{"role": "user", "content": "Erkläre in zwei Sätzen, was ein Sprachmodell ist."}],
)
print(response.choices[0].message.content)

Reasoning

Der Denkmodus ist standardmäßig aus. Einschalten: "reasoning_effort": "low" oder "chat_template_kwargs": {"enable_thinking": true}. Den Gedankengang liefert die API getrennt von der Antwort in reasoning_content.

# Denkmodus einschalten (standardmäßig aus)
response = client.chat.completions.create(
    model="gemma-4-26b-a4b",
    messages=[{"role": "user", "content": "Wie viele Montage hat der März 2027?"}],
    reasoning_effort="low",
)
message = response.choices[0].message
print(getattr(message, "reasoning_content", None))  # Gedankengang, falls eingeschaltet
print(message.content)                              # eigentliche Antwort