Gemma 4 31B Instruct ist Google DeepMinds 30,7B dichtes multimodales Modell, das Text- und Bildeingabe mit Textausgabe unterstützt. Es verfügt über ein 256K Token-Kontextfenster, einen konfigurierbaren Denk-/Reasoning-Modus, native Funktion...
Google Gemma 4 31B ist eine anweisungsoptimierte Variante der Gemma-4-Familie, entwickelt von Google. Sie verfügt über etwa 31 Milliarden Parameter und ist für Chat- und Befehlsausführungsaufgaben…
Gemma 4 31B ist für die Befolgung von Anweisungen, Textgenerierung und logisches Denken konzipiert. Es kann komplexe Eingabeaufforderungen, mehrrunde Gespräche und Aufgaben verstehen, die eine schrittweise Logik erfordern. Das Modell ist instruktionsgetunt, was bedeutet, dass es feinabgestimmt wurde, um Benutzeranweisungen zu befolgen und hilfreiche, kohärente Antworten zu liefern. Es unterstützt sowohl einrunde als auch mehrrunde Interaktionen. Mit seiner Parameteranzahl von 31B balanciert es Leistungsfähigkeit und Inferenzgeschwindigkeit und eignet sich daher für Echtzeitanwendungen, bei denen die Latenz eine Rolle spielt.
Durch den GPQA-Diamond-Benchmark wissen wir, dass das Modell bei fachlichen Denkaufgaben auf Expertenniveau in den Naturwissenschaften gut abschneidet. Es ist vermutlich auch stark bei der Code-Generierung, Zusammenfassung und kreativem Schreiben, auch wenn in den gegebenen Fakten keine spezifischen Benchmarks für diese Aufgaben genannt werden. Das Modell ist am effektivsten, wenn klare, strukturierte Anweisungen gegeben werden. Bei Aufgaben, die einen sehr langen Kontext oder eine abrufgestützte Generierung erfordern, sollten Nutzer die Grenzen des Kontextfensters des Modells testen, da die genaue Kontextlänge in den bereitgestellten Daten nicht angegeben ist.
Wenn Ihre Aufgaben einfach sind – wie grundlegende Klassifikation, kurze Textgenerierung oder Ein-Satz-Antworten – bevorzugen Sie vielleicht ein kleineres, günstigeres Modell wie Gemma 4 2B oder 9B. Die 31B-Variante verursacht höhere Token-Kosten, wenn auch noch moderat. Bei Hochdurchsatz-Anwendungen, bei denen die Latenz kritisch ist, kann ein kleineres Modell auch schneller sein. Wenn Ihr Anwendungsfall zudem nicht die rigorosen Denkfähigkeiten erfordert, die von GPQA Diamond gemessen werden, könnte ein günstigeres Allzweckmodell bei geringeren Kosten eine ausreichende Leistung bieten.
In den bereitgestellten Fakten sind keine spezifischen Einschränkungen aufgeführt. Wie bei vielen Open-Weight-Instruction-Tuned-Modellen kann Gemma 4 31B jedoch falsche oder verzerrte Ausgaben produzieren, insbesondere bei mehrdeutigen oder kontroversen Themen. Aufgrund des Trainings-Cutoffs könnte das Modell auch bei Aufgaben, die Echtzeitinformationen oder sehr aktuelle Ereignisse erfordern, Schwierigkeiten haben. Die Größe des Kontextfensters des Modells ist nicht bekannt; falls es begrenzt ist (z. B. 8K-32K), eignet es sich möglicherweise nicht für sehr lange Dokumente. Benutzer sollten Ausgaben in sicherheitskritischen Anwendungen stets überprüfen.
GPQA Diamond ist ein Datensatz mit Multiple-Choice-Fragen auf Graduiertenniveau, die Biologie, Physik und Chemie abdecken. Ein Ergebnis von 85,7 % bedeutet, dass Gemma 4 31B über 85 % dieser Fragen korrekt beantwortet hat. Dies ist ein starkes Ergebnis und zeigt, dass das Modell über fundiertes Fachwissen und logische Denkfähigkeiten verfügt. Es ist wichtig zu beachten, dass der Benchmark auf Multiple-Choice basiert und daher nicht direkt die generativen Fähigkeiten bewertet, aber mit der Fähigkeit des Modells korreliert, sich an Experteninhalte zu erinnern und darüber zu schlussfolgern.
In den angegebenen Fakten werden keine zusätzlichen Benchmark-Ergebnisse bereitgestellt. Der einzige geteilte quantitative Benchmark ist der GPQA Diamond Score von 85.7. Für ein umfassenderes Verständnis der Fähigkeiten des Modells sollten Benutzer den offiziellen technischen Bericht oder die Modellkarte von Google konsultieren. OrcaRouter überprüft oder fügt keine Benchmarks unabhängig hinzu. Das Modell kann bei anderen Bewertungen wie MMLU, HumanEval oder GSM8K anders abschneiden, aber diese Werte sind hier nicht enthalten.
Spezifische Angaben zur Inferenzgeschwindigkeit oder Latenz werden in den gegebenen Fakten nicht bereitgestellt. Als 31B-Parametermodell ist es größer als die 9B- und 2B-Varianten von Gemma 4, daher wird es typischerweise langsamer pro Token sein und mehr GPU-Speicher benötigen. Die tatsächliche Latenz hängt von der Hardware (z. B. GPU-Typ, Batch-Größe) und der Infrastruktur des Anbieters ab. Wenn Sie über OrcaRouter darauf zugreifen, unterliegen Sie der Serving-Infrastruktur von Google. Für latenzeitkritische Anwendungen empfehlen wir, die Antwortzeit des Modells unter Ihrer erwarteten Arbeitslast zu testen.
Der GPQA Diamond Score von 85,7 % zeigt eine starke Leistung, ist aber nicht perfekt – das Modell verfehlt immer noch 14,3 % der Fragen, was bedeutet, dass es möglicherweise nicht für alle Abfragen auf Expertenniveau zuverlässig ist. Der Benchmark misst weder das Schlussfolgern über lange Kontexte, mehrsprachige Leistungen noch Sicherheit. Daher sollte der beeindruckende Wert nicht als Garantie für perfekte Schlussfolgerungen in allen Aufgaben interpretiert werden. Benutzer sollten die Leistung des Modells in dem spezifischen Bereich berücksichtigen, in dem sie es einsetzen möchten.
Die Preisgestaltung beträgt 0,13 $ pro 1 Million Eingabetoken und 0,38 $ pro 1 Million Ausgabetoken. Dies sind die Anbieterraten, die von OrcaRouter ohne Aufschlag berechnet werden. Token werden gemäß dem Tokenizer von Google gezählt; Eingabetoken umfassen die gesamte Eingabeaufforderung und alle Systemnachrichten, während Ausgabetoken der generierte Text sind. Es gibt keine zusätzlichen Gebühren pro Anfrage oder monatliche Verpflichtungen. Diese unkomplizierte tokenbasierte Preisgestaltung macht die Kostenschätzung basierend auf Ihrem Nutzungsvolumen einfach.
Die bereitgestellten Fakten erwähnen keine Rabatte für Caching oder Volumenpreise. OrcaRouter bietet möglicherweise Caching von wiederholten Eingabe-Tokens an, um Kosten zu senken, aber das wird hier nicht spezifiziert. Sie sollten die Dokumentation von OrcaRouter prüfen oder deren Support kontaktieren, um Details zu Kostenoptimierungsfunktionen zu erhalten. Der Basispreis von $0.13/$0.38 pro Million Token gilt standardmäßig. Bei sehr hoher Nutzung können Sie nach möglichen Enterprise-Vereinbarungen fragen, aber solche Bedingungen sind in diesen Daten nicht enthalten.
Wenn Sie Gemma 4 2B oder 9B verwenden, sind Ihre Kosten pro Token niedriger, oft im Bereich von $0.02–$0.10 pro Million Tokens. Das 31B-Modell ist teurer, bietet aber eine höhere Denkfähigkeit, wie der GPQA Diamond Score zeigt. Für Aufgaben, die kein fachkundiges Denken erfordern, sind die Mehrkosten möglicherweise nicht gerechtfertigt. Umgekehrt könnte bei Anwendungen, bei denen Genauigkeit entscheidend ist, die Investition in das 31B-Modell den Bedarf an manueller Überprüfung verringern und möglicherweise die Gesamtkosten senken.
OrcaRouter gibt den genauen Anbieterpreis ohne Aufschlag weiter. Für Googles Gemma 4 31B bedeutet das, dass Sie direkt $0,13 pro Million Input-Token und $0,38 pro Million Output-Token zahlen. Es gibt keine zusätzlichen Servicegebühren oder Plattformmargen. OrcaRouter verdient Geld auf andere Weise (z. B. durch Unternehmensabonnements oder Nutzungsüberschreitungen), aber für dieses Modell entspricht der angegebene Preis dem, was Google berechnet. Diese Transparenz ermöglicht es Ihnen, die Kosten direkt mit anderen Anbietern zu vergleichen.
Sie verwenden eine OpenAI-kompatible Client-Bibliothek mit der Basis-URL https://api.orcarouter.ai/v1 und der Modell-ID "google/gemma-4-31b-it". Verwenden Sie zum Beispiel das OpenAI Python SDK und setzen Sie `openai.api_base = "https://api.orcarouter.ai/v1"` und `openai.api_key = "Ihr-Orcarouter-API-Schlüssel"`. Rufen Sie dann `openai.ChatCompletion.create(model="google/gemma-4-31b-it", messages=[{"role":"user","content":"Hallo"}])` auf. Die API unterstützt die gleichen Parameter wie der Chat-Endpunkt von OpenAI, wie z.B. temperature, max_tokens und top_p.
OrcaRouter's API unterstützt standardmäßige OpenAI-kompatible Parameter: `model`, `messages`, `temperature` (0–2, Standardwert 1), `max_tokens` (ganze Zahl, bis zum Modelllimit), `top_p` (0–1, Standardwert 1), `frequency_penalty`, `presence_penalty`, `stop`-Sequenzen und `stream` (Boolesch). Der Parameter `n` (Anzahl der Vervollständigungen) wird möglicherweise ebenfalls unterstützt, es gelten jedoch Nutzungslimits. Beachten Sie, dass spezifische Gemma 4-Parameter wie `repetition_penalty` möglicherweise über zusätzliche Body-Schlüssel unterstützt werden. Informationen zu benutzerdefinierten Anbieterparametern finden Sie in der OrcaRouter-Dokumentation.
Ja, die Migration ist unkompliziert, wenn Sie bereits eine kompatible OpenAI-API verwenden. Sie ändern einfach den Parameter `model` auf "google/gemma-4-31b-it" und geben die Basis-URL von OrcaRouter an. Beachten Sie, dass sich Tokenisierung und Ausgabeformatierung geringfügig von anderen Modellen unterscheiden können. Sie sollten die Antworten des Modells anhand einer Stichprobe Ihrer Prompts testen, um die Qualität sicherzustellen. Beachten Sie auch, dass sich die Preisstruktur von den OpenAI-Modellen unterscheidet und Sie möglicherweise Ihre Kostenervartungen entsprechend anpassen müssen.
OrcaRouter benötigt einen API-Key, der im `Authorization`-Header als `Bearer <your-api-key>` gesendet wird. Sie können einen Schlüssel erhalten, indem Sie sich auf der OrcaRouter-Website anmelden. Der Schlüssel wird verwendet, um Ihre Anfragen zu authentifizieren und sie an den entsprechenden Anbieter weiterzuleiten. Achten Sie darauf, Ihren Schlüssel sicher aufzubewahren. Die API unterstützt keine anderen Authentifizierungsmethoden. Für Streaming-Anfragen wird derselbe Schlüssel verwendet. Es gibt keine zusätzlichen IP-Beschränkungen, sofern nicht in Ihrem OrcaRouter-Konto festgelegt.
Gemma 4 9B ist ein kleineres, günstigeres Modell – typischerweise im Bereich von 0,02 bis 0,10 USD pro Million Tokens – und hat wahrscheinlich niedrigere Benchmark-Ergebnisse. Die 31B-Variante mit 3,4-mal mehr Parametern erreicht 85,7 % auf GPQA Diamond; der Wert für die 9B wird nicht angegeben, ist aber vermutlich niedriger. Das 31B-Modell bietet bessere Schlussfolgerungsfähigkeiten, jedoch zu höheren Kosten und wahrscheinlich höherer Latenz. Für einfache Aufgaben reicht die 9B aus; bei fachlichen Fragen auf Expertenniveau ist die 31B die bessere Wahl. Beide werden über dieselbe OrcaRouter-API bereitgestellt.
Direkte Vergleichsbenchmarks werden nicht bereitgestellt. Allerdings ist Llama 3.1 70B ein größeres Modell (70B Parameter) und hat oft eine höhere Leistung bei allgemeinen Benchmarks, aber auch höhere Kosten pro Token. Gemma 4 31B ist effizienter und könnte bei domänenspezifischem Denken wie GPQA wettbewerbsfähig sein. Die 31B Größe macht es attraktiv für den Einsatz auf GPUs der Verbraucherklasse. Benutzer sollten auf ihren eigenen Aufgaben evaluieren. OrcaRouter bietet möglicherweise beide Modelle für einen direkten Vergleich.
Gemma 4 31B ist ein Open-Weight-Modell unter der Gemma-Lizenz von Google, das für die meisten Anwendungen kostenlos genutzt werden kann. Wenn Sie jedoch über OrcaRouter darauf zugreifen, unterliegen Sie den Nutzungsbedingungen von OrcaRouter und zahlen pro Token. Sie können das Modell auch selbst auf Ihrer eigenen Hardware ausführen, sofern Sie über die entsprechenden Ressourcen verfügen. OrcaRouter bietet eine gehostete Alternative, die den Infrastrukturaufwand vermeidet. Die Wahl zwischen Self-Hosting und der Nutzung von OrcaRouter hängt von Ihrem Budget, Ihren Latenzanforderungen und Ihren Betriebspräferenzen ab.
OrcaRouter bietet einen einheitlichen API-Endpunkt für mehrere Anbieter, einschließlich Google. Wenn Sie Googles eigenes Vertex AI oder AI Platform verwenden, können sich die Preise unterscheiden, möglicherweise niedriger bei hohem Volumen. Der NULL-Aufschlag von OrcaRouter ist bei moderater Nutzung wettbewerbsfähig. Der Hauptvorteil von OrcaRouter ist die einzige OpenAI-kompatible API für viele Modelle, was die Integration vereinfacht. Für Benutzer, die bereits Google Cloud nutzen, könnte der direkte Zugriff eine bessere Integration mit anderen Diensten bieten. OrcaRouter speichert Ihre Daten nur im Rahmen des standardmäßigen API-Loggings; lesen Sie die Datenschutzrichtlinie für Details.
OpenAI-kompatibel — behalte dein bisheriges SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="google/gemma-4-31b-it",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)| Eingabe / 1M Tokens | $0.130 |
| Ausgabe / 1M Tokens | $0.380 |
| Cache-Lesen / 1M | $0.020 |
| Währung | USD |
Schätzung auf Basis des Listenpreises
Nur eine Schätzung — die tatsächliche Token-Anzahl hängt vom Tokenizer des Anbieters ab.
GET /api/public/models/google/gemma-4-31b-itÖffnen @misc{orcarouter_gemma_4_31b_it,
title = {Gemma 4 31B API},
author = {Google},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemma-4-31b-it}
}Google. (2026). Gemma 4 31B API. OrcaRouter. https://www.orcarouter.ai/models/google/gemma-4-31b-it