Gemma 4 API

Gemma 4 můžete volat lokálně přes Ollama, přes Gemini API s klíčem z Google AI Studio nebo přes OpenRouter. Přehled a příklady byly zkontrolovány k 9. říjnu 2026; dostupnost modelů a kvóty se mohou měnit.

Identifikátory modelů

Služba	Příklady platných ID
Ollama	gemma4:e4b, gemma4:12b, gemma4:26b, gemma4:31b
Gemini API	gemma-4-26b-a4b-it, gemma-4-31b-it
OpenRouter	google/gemma-4-26b-a4b-it, google/gemma-4-31b-it

Názvy mezi službami nejsou zaměnitelné; tagy Ollamy jsou v návodu na vlastní server.

Ollama — lokální API

Po instalaci Ollamy stáhněte konkrétní model:

ollama pull gemma4:e4b

Python HTTP příklady vyžadují pip install requests. Lokální API standardně poslouchá na http://localhost:11434 a nevyžaduje klíč. Neplatíte za tokeny, ale provoz stojí hardware, elektřinu nebo pronájem serveru. Kapacitu omezuje paměť a výkon stroje.

Generování

import requests

response = requests.post("http://localhost:11434/api/generate", json={
    "model": "gemma4:e4b",
    "prompt": "Explain async/await in Python like I'm 10",
    "stream": False
}, timeout=300)
response.raise_for_status()

print(response.json()["response"])

curl --fail-with-body http://localhost:11434/api/generate \
  -H 'Content-Type: application/json' -d '{
  "model": "gemma4:e4b",
  "prompt": "Explain async/await in Python like I am 10",
  "stream": false
}'

const response = await fetch("http://localhost:11434/api/generate", {
  method: "POST",
  headers: { "Content-Type": "application/json" },
  body: JSON.stringify({
    model: "gemma4:e4b",
    prompt: "Explain async/await in Python like I'm 10",
    stream: false,
  }),
});

if (!response.ok) {
  throw new Error(`Ollama HTTP ${response.status}: ${await response.text()}`);
}
const data = await response.json();
if (data.error) throw new Error(data.error);
console.log(data.response);

Chat API (více kol)

Pro konverzace s historií zpráv použijte:

import requests

response = requests.post("http://localhost:11434/api/chat", json={
    "model": "gemma4:e4b",
    "messages": [
        {"role": "system", "content": "You are a helpful coding tutor."},
        {"role": "user", "content": "What's the difference between a list and a tuple?"}
    ],
    "stream": False
}, timeout=300)
response.raise_for_status()

print(response.json()["message"]["content"])

Streaming

import requests
import json

response = requests.post("http://localhost:11434/api/generate", json={
    "model": "gemma4:e4b",
    "prompt": "Write a short story about a debugging session at 3am",
    "stream": True
}, stream=True, timeout=300)
response.raise_for_status()

for line in response.iter_lines():
    if line:
        chunk = json.loads(line)
        if "error" in chunk:
            raise RuntimeError(chunk["error"])
        print(chunk.get("response", ""), end="", flush=True)

Tip

Stažený lokální model může fungovat offline. Tagy jako gemma4:31b-cloud běží v cloudu a posílají požadavky mimo váš stroj. Pro čistě lokální provoz lze vypnout cloudové funkce pomocí OLLAMA_NO_CLOUD=1 a restartovat server.

Thinking a OpenAI kompatibilita

U podporovaného modelu přidejte do /api/chat nebo /api/generate pole "think": true či false. Chat vrací uvažování v message.thinking a odpověď v message.content. Podporu konkrétního tagu lze ověřit přes /api/show; při běžném pokračování konverzace ukládejte finální odpověď do historie.

Ollama podporuje také část OpenAI API na http://localhost:11434/v1/. Příklad s Python SDK (pip install openai):

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:11434/v1/",
    api_key="ollama",  # SDK hodnotu vyžaduje, lokální server ji ignoruje
)
response = client.chat.completions.create(
    model="gemma4:e4b",
    messages=[{"role": "user", "content": "Vysvětli async/await v Pythonu."}],
)
print(response.choices[0].message.content)

Gemini API / Google AI Studio

Oficiální návod uvádí modely gemma-4-26b-a4b-it a gemma-4-31b-it. Klíč vytvořte v Google AI Studio a nastavte proměnnou GEMINI_API_KEY na serveru nebo ve svém terminálu.

Python SDK

Použijte aktuální Google Gen AI SDK, které nahradilo knihovnu google-generativeai:

pip install -U google-genai

import os
from google import genai

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
response = client.models.generate_content(
    model="gemma-4-26b-a4b-it",
    contents="Napiš Python dekorátor pro opakování neúspěšného volání.",
)
print(response.text)

cURL

curl --fail-with-body \
  "https://generativelanguage.googleapis.com/v1beta/models/gemma-4-26b-a4b-it:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{
      "parts": [{"text": "Vysvětli async/await v Pythonu."}]
    }]
  }'

Streaming a thinking

S klientem z předchozí ukázky:

from google.genai import types

for chunk in client.models.generate_content_stream(
    model="gemma-4-26b-a4b-it",
    contents="Vysvětli řešení jednoduché kombinatorické úlohy.",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="high"),
    ),
):
    if chunk.text:
        print(chunk.text, end="", flush=True)

Gemma podporuje zapnutí (high) a vypnutí (minimal) thinking; nejde o škálu několika úrovní uvažování.

Cena, kvóty a chyby

Ceník Gemini API uvádí pro Gemma 4 bezplatný vstup a výstup; placený tier pro tuto řadu není dostupný. Bezplatný tier dovoluje použití dat ke zlepšování produktů Google podle podmínek služby.

Aktivní limity ověřte v AI Studio pro svůj projekt a model. Kvóty se uplatňují na projekt, nikoli na každý klíč zvlášť.

from google.genai import errors

try:
    response = client.models.generate_content(
        model="gemma-4-26b-a4b-it",
        contents="Vysvětli rozdíl mezi list a tuple.",
    )
    print(response.text)
except errors.APIError as exc:
    print(f"API chyba {exc.code}: {exc.message}")

Při 429 použijte omezené opakování s rostoucí prodlevou; při 400 opravte požadavek a při 404 ověřte ID a dostupnost modelu.

OpenRouter (OpenAI-kompatibilní)

OpenRouter nabízí OpenAI-kompatibilní rozhraní. V existujícím klientovi změňte adresu API, klíč i ID modelu. Podporované funkce závisejí na konkrétním modelu a poskytovateli.

Získání API klíče

1. Registrace na openrouter.ai
2. Vygenerování API klíče a nastavení OPENROUTER_API_KEY
3. Pro placené modely dobití kreditu; pro bezplatné varianty ověření jejich kvót

K datu kontroly jsou dostupné také google/gemma-4-26b-a4b-it:free a google/gemma-4-31b-it:free. Jejich dostupnost a limity se liší od placených variant; aktuální ceny ověřte v katalogu.

Python

import os
import requests

response = requests.post(
    "https://openrouter.ai/api/v1/chat/completions",
    headers={
        "Authorization": f"Bearer {os.environ['OPENROUTER_API_KEY']}",
        "Content-Type": "application/json",
    },
    json={
        "model": "google/gemma-4-26b-a4b-it",
        "messages": [
            {"role": "user", "content": "Compare React and Vue in 5 bullet points"}
        ],
    },
    timeout=300,
)
response.raise_for_status()

print(response.json()["choices"][0]["message"]["content"])

OpenAI Python SDK

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key=os.environ["OPENROUTER_API_KEY"],
)

response = client.chat.completions.create(
    model="google/gemma-4-26b-a4b-it",
    messages=[
        {"role": "user", "content": "Explain monads in plain English"}
    ],
)

print(response.choices[0].message.content)

Streaming

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key=os.environ["OPENROUTER_API_KEY"],
)

stream = client.chat.completions.create(
    model="google/gemma-4-26b-a4b-it",
    messages=[{"role": "user", "content": "Write a short story"}],
    stream=True,
)

for chunk in stream:
    if not chunk.choices:
        continue
    content = chunk.choices[0].delta.content
    if content:
        print(content, end="", flush=True)

Srovnání

Služba	Náklady	Limity	Kam jdou prompty
Ollama, lokální model	Vlastní hardware / server	Paměť, výkon a fronta serveru	Na stroj s Ollamou
Gemini API	Gemma 4 v bezplatném tieru	Kvóty projektu v AI Studio	Google
OpenRouter	Cena modelu; také varianty :free	Kvóty a dostupný kredit	OpenRouter a poskytovatel inference

Pro offline práci použijte lokální Ollamu, pro prototyp bez správy GPU Gemini API. Pro jednotné rozhraní k více poskytovatelům se hodí OpenRouter; před nasazením ověřte kapacitu, cenu a pravidla zpracování dat.

Časté problémy

• Connection refused v Ollamě — ověřte službu (systemctl status ollama), případně spusťte ollama serve; při vzdáleném přístupu zkontrolujte SSH tunel.
• Model not found — v Ollamě použijte ollama list a ollama pull; v cloudové službě ověřte její katalog a správné ID.
• Pomalé odpovědi / nedostatek paměti — zkontrolujte ollama ps, velikost kontextu a GPU konfiguraci.
• 429 nebo 503 — kvóta či přetížení; omezte souběh a opakujte s prodlevou. OpenRouter může vrátit 402 při nedostatku kreditu.
• Timeout při thinking — první výstup může přijít později; nastavte vhodný timeout a použijte streaming.

Sources

Oficiální zdroje, ověřeno 2026-10-09:

• Gemma 4 v Gemini API — modely a thinking
• Gemini API libraries — aktuální SDK
• Gemini API pricing a rate limits — cena, data a kvóty
• Google Gen AI Python SDK — streaming a chyby
• Ollama generate a chat — HTTP příklady
• Ollama thinking, OpenAI compatibility a authentication — rozhraní a přístup
• Ollama FAQ — lokální provoz, cloud a kapacita
• OpenRouter katalog API, quickstart a limits — ID, klient a omezení