# Gemma 4 26B A4B

> Fiche du modèle de langage Gemma 4 26B A4B sur Quelle IA, édition du 28 septembre 2026. Gemma 4 26B A4B (Google DeepMind) : score IA de 72,7, 98e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/gemma-4-26b-a4b/
Origine : Google DeepMind · États-Unis · sorti le 2 avril 2026

## Score général

- Score IA : 72,7 (marge à 90 % : de 69,2 à 76,2)
- Rang : 98 (Groupe 9, ex æquo)
- Couverture : 85 % du poids des tâches, 25 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 68,3 | Provisoire · 33 % |
| Code | 68,3 | Provisoire · 23 % |
| Agents | non mesuré | Non mesuré |
| Usage | 75,1 | Rang 91 · 100 % |
| Maths | 73,8 | Provisoire · 25 % |
| Sciences | 69,6 | Rang 71 · 60 % |
| Français | 76,6 | Rang 39 · 100 % |
| Vision | 75,6 | Provisoire · 33 % |
| Écriture | 74,5 | Rang 94 · 100 % |
| Web | 74,3 | Rang 84 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [Gemma 4 26B A4B (Reasoning)](https://artificialanalysis.ai/models/gemma-4-26b-a4b) | 16,7 (estimé) | hors classement | non publié | non publié | 0,1 $ / 0,37 $ |
| [Gemma 4 26B A4B (Non-reasoning)](https://artificialanalysis.ai/models/gemma-4-26b-a4b-non-reasoning) | 13,1 (estimé) | hors classement | 112,3 jetons/s | 1,06 s | 0,13 $ / 0,4 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe ; un indice qu'ils estiment reste hors de ce classement. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/gemma-4-26b-a4b

## Exécution locale

Tient à partir d'un PC portable Intel Core Ultra de 32 Go (18,2 Go utiles), en version allégée à 4 bits, par exemple un Samsung Galaxy Book6 Pro 16 pouces de 32 Go. Mémoire estimée : 17,9 Go.

- Allégée, 4 bits : 17,9 Go
- Allégée, 8 bits : 31,4 Go
- Complète, 16 bits : 59,8 Go

- Plus petite machine : [PC portable Intel Core Ultra 32 Go](https://quelleia.com/local/#pc_portable_intel_32_go), version allégée à 4 bits
- Carte graphique : [Carte graphique 24 Go](https://quelleia.com/local/#carte_graphique_24_go), version allégée à 4 bits ; par exemple [Intel Arc Pro B60](https://quelleia.com/local/intel-arc-pro-b60/)
- PC portable RTX : [PC portable GeForce RTX 24 Go](https://quelleia.com/local/#pc_portable_rtx_24_go), version allégée à 4 bits ; par exemple [PC portable avec GeForce RTX 5090](https://quelleia.com/local/pc-portable-geforce-rtx-5090/)
- PC portable Intel : [PC portable Intel Core Ultra 32 Go](https://quelleia.com/local/#pc_portable_intel_32_go), version allégée à 4 bits ; par exemple [Samsung Galaxy Book6 Pro 16 pouces, 32 Go](https://quelleia.com/local/samsung-galaxy-book6-pro-16/)
- PC portable Snapdragon : Trop juste
- Mac : [Mac 32 Go](https://quelleia.com/local/#mac_32_go), version allégée à 4 bits ; par exemple [Mac mini M6, 32 Go](https://quelleia.com/local/mac-mini-m6-32go/)
- Ryzen AI Max : [Ryzen AI Max 32 Go](https://quelleia.com/local/#ryzen_ai_max_32_go), version allégée à 4 bits ; par exemple [Ryzen AI Max 385, 32 Go](https://quelleia.com/local/ryzen-ai-max-385-32go/)
- Nvidia DGX : [DGX Spark 128 Go](https://quelleia.com/local/#dgx_spark), version complète ; par exemple [Nvidia DGX Spark](https://quelleia.com/local/dgx-spark/)
- Sans carte graphique : Trop juste
- Serveur : Oui

## Fiche technique

- Prix : 0,05 € / 0,29 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 262 144 jetons (environ 197 000 mots)
- Entrées : Texte, image
- Réflexion : Non communiqué
- Paramètres : 26 milliards
- Licence : Apache 2.0 (poids ouverts, téléchargeables)
- Classe énergétique : A (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Non communiqué

## Où le trouver

- Télécharger : [Hugging Face](https://huggingface.co/google/gemma-4-26B-A4B-it)
- Sur votre machine : [Ollama](https://ollama.com/search?q=gemma-4-26B-A4B-it)
- Sur votre machine : [LM Studio](https://lmstudio.ai)
- Par API : [OpenRouter](https://openrouter.ai/google/gemma-4-26b-a4b-it)
- Par API : [API Google DeepMind](https://ai.google.dev)
- L'essayer : [Gemini](https://gemini.google.com)

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| EuroEval, Allociné (sentiment) | Français | 95,5 % | 63,6 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, Allociné (sentiment) | Français | 91,6 % | 31,7 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 82,2 % | 72,8 | saturé | https://epoch.ai/benchmarks |
| EuroEval, ELTeC (noms propres) | Français | 72,5 % | 89,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, INCLUDE (connaissances) | Français | 72 % | 75,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ScaLA (grammaire) | Français | 70,8 % | 113,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 70,4 % | 66,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 68,2 % | 59,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 66,8 % | 52,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| GPQA Diamond | Sciences | 73,2 % | 67,7 | actif | https://epoch.ai/benchmarks |
| Arena, questions de maths | Maths | 1 468,0 Elo | 83,4 | actif | https://arena.ai/leaderboard |
| DTBench | Raisonnement | 74,9 % | 66,8 | saturé | https://conceptualreasoning.ai/dtbench |
| compar:IA | Français | 1 081,0 Elo | 97,9 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| Arena, questions d'experts | Sciences | 1 475,3 Elo | 80,6 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 470,4 Elo | 80,4 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 437,5 Elo | 78,1 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 482,6 Elo | 77,8 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 399,3 Elo | 76,4 | actif | https://arena.ai/leaderboard |
| Arena, vision | Vision | 1 241,9 Elo | 79,2 | actif | https://arena.ai/leaderboard |
| EuroEval, ELTeC (noms propres) | Français | 50,2 % | 14,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, INCLUDE (connaissances) | Français | 49,6 % | 40,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| SciCode | Code | 40 % | 71,4 | actif | https://artificialanalysis.ai/evaluations/scicode |
| EuroEval, OrangeSum (résumé) | Français | 38,9 % | 97,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Code Arena, WebDev | Web | 1 358,5 Elo | 74,4 | actif | https://arena.ai/leaderboard |
| WeirdML (v2) | Code | 35,2 % | 64,2 | actif | https://htihle.github.io/weirdml.html |
| LMCA | Raisonnement | 29,68 | 71,8 | actif | https://conceptualreasoning.ai/lmca |
| EuroEval, MultiLoKo (connaissances locales) | Français | 33,5 % | 67,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ScaLA (grammaire) | Français | 30,6 % | 23,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, OrangeSum (résumé) | Français | 25,2 % | -265,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 24,5 % | 1,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, MultiLoKo (connaissances locales) | Français | 17 % | 51,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Chess Puzzles | Raisonnement | 6 % | 48,6 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 0 % | 61,2 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de Gemma 4 26B A4B ?** Gemma 4 26B A4B obtient un score IA de 72,7, avec une marge de 69,2 à 76,2, dans l'édition du 28 septembre 2026. Il est classé 98e sur 246 modèles, à partir de 25 mesures.

**Dans quelles tâches Gemma 4 26B A4B est-il le plus fort ?** Ses deux meilleures tâches sont français (76,6) et vision (75,6). Sa tâche la plus faible est code (68,3).

**Gemma 4 26B A4B peut-il tourner en local ?** Tient à partir d'un PC portable Intel Core Ultra de 32 Go (18,2 Go utiles), en version allégée à 4 bits, par exemple un Samsung Galaxy Book6 Pro 16 pouces de 32 Go. Mémoire estimée : 17,9 Go.

**Combien coûte Gemma 4 26B A4B ?** 0,05 € par million de jetons en entrée et 0,29 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite Gemma 4 26B A4B ?** Gemma 4 26B A4B est édité par Google DeepMind (États-Unis), et il est sorti le 2 avril 2026. Ses poids sont ouverts, sous licence Apache 2.0.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com