Googleのgemma-4-26B-A4B、思考トークンを平均39%削って精度はほぼ維持
Gemma-4-26B-A4B with 39-69% less thinking at same accuracy
Bottlecap AIがThinkingCapシリーズ第5弾として、Googleのgemma-4-26B-A4B-itを効率化したモデルを公開した。12のベンチマークで思考トークンが平均38.9%、最大69.1%減り、精度の低下はわずか0.15pp。応答のループ率も3.64%から0.76%へ改善し、同じvLLM環境でそのまま差し替えられる。PRO版では最大87.6%削減できるという。
元のモデルは応答の3.64%でループするのに対し、我々のモデルでは0.76%だ。しかもループが最も多い3つのベンチマーク、AIME 2026、HMMT Nov 25、HMMT Feb 26では、その率が5.5%、8.6%、17.0%から0.9%、1.2%、4.5%へと下がっている。