Gemma 4 31B Instruct は、Google DeepMind の 30.7B の高密度マルチモーダルモデルであり、テキストと画像の入力をサポートし、テキスト出力を生成します。256K トークンのコンテキストウィンドウ、設定可能な思考/推論モード、ネイティブ関数...
Google Gemma 4 31Bは、Googleが開発したGemma 4ファミリーのインストラクション・チューニングされたバリアントです。約310億のパラメータを持ち、チャットや指示追従タスクに最適化されています。このモデルは、OrcaRouterのOpenAI互換APIを介してアクセスされます。つまり、OpenAIモデルに使用するのと同じエンドポイントとクライアントライブラリを使用して呼び出…
Gemma 4 31Bは、指示追従、テキスト生成、推論向けに設計されています。複雑なプロンプト、マルチターン会話、および段階的な論理を必要とするタスクを理解できます。このモデルは指示調整済みであり、ユーザーの指示に従い、有益で一貫性のある応答を生成するように微調整されています。シングルターンとマルチターンの両方のやり取りに対応しています。31Bパラメータ数に基づき、能力と推論速度のバランスが取れており、レイテンシが重要なリアルタイムアプリケーションに適しています。
GPQA Diamondベンチマークを通じて、このモデルは科学における専門家レベルの推論タスクで優れた性能を発揮することがわかっています。また、コード生成、要約、クリエイティブライティングにも強い可能性がありますが、それらのタスクに関する具体的なベンチマークは提供されていません。このモデルは、明確で構造化された指示を与えられたときに最も効果的です。非常に長いコンテキストや検索拡張生成を必要とするタスクについては、提供されたデータでは正確なコンテキスト長が指定されていないため、ユーザーはモデルのコンテキストウィンドウの制限をテストすべきです。
タスクが単純な場合（基本的な分類、短いテキスト生成、単文の応答など）は、Gemma 4 2Bや9Bのような小型で低コストなモデルの方が適しているかもしれません。31Bバリアントはトークンコストが高くなりますが、それでも控えめです。レイテンシが重要な高スループットアプリケーションでは、小型モデルの方が高速になる可能性もあります。また、GPQA Diamondで測定されるような厳密な推論が不要なユースケースでは、より安価な汎用モデルでも低コストで十分なパフォーマンスを発揮できるでしょう。
提供された事実には具体的な制限は記載されていません。ただし、多くのオープンウェイトの指示チューニングモデルと同様に、Gemma 4 31Bは特に曖昧または議論の多いトピックにおいて、不正確または偏った出力を生成する可能性があります。また、トレーニングデータのカットオフにより、リアルタイム情報や非常に最近のイベントを必要とするタスクでは苦戦するかもしれません。モデルのコンテキストウィンドウサイズは開示されていません。もし制限がある場合（例：8K-32K）、非常に長いドキュメントには適さない可能性があります。ユーザーはリスクの高い用途では常に出力を検証すべきです。
GPQA Diamondは、生物学、物理学、化学を網羅する大学院レベルの多肢選択問題のデータセットです。85.7%というスコアは、Gemma 4 31Bがこれらの質問の85%以上に正答したことを意味します。これは強力な結果であり、モデルが確固たるドメイン知識と推論能力を持つことを示しています。このベンチマークは多肢選択形式であるため、生成能力を直接評価するものではありませんが、専門家レベルの内容を想起し推論するモデルの能力と相関関係があることに注意すべきです。
与えられた事実には追加のベンチマークスコアは提供されていません。共有されている唯一の定量的ベンチマークは、GPQA Diamondスコアの85.7です。モデルの能力をより完全に理解するには、ユーザーはGoogleの公式テクニカルレポートまたはモデルカードを参照する必要があります。OrcaRouterは独立してベンチマークを検証したり追加したりしません。モデルはMMLU、HumanEval、GSM8Kなどの他の評価では異なるパフォーマンスを示す可能性がありますが、それらの数値はここには含まれていません。
特定の推論速度やレイテンシの数値は、与えられた事実には含まれていません。31Bパラメータモデルであるため、Gemma 4の9Bおよび2Bバリアントよりも大きく、通常はトークンあたりの処理が遅くなり、より多くのGPUメモリを必要とします。実際のレイテンシは、ハードウェア（例：GPUの種類、バッチサイズ）やプロバイダのインフラストラクチャに依存します。OrcaRouterを介してアクセスする場合、Googleのサーバーインフラストラクチャの対象となります。レイテンシが重要なアプリケーションでは、想定されるワークロード下でモデルの応答時間をテストすることをお勧めします。
GPQA Diamondのスコア85.7%は強力なパフォーマンスを示していますが、完璧ではありません。モデルは依然として14.3%の質問に正解できておらず、すべての専門家レベルのクエリに対して信頼できるわけではないことを意味します。このベンチマークは、長文脈の推論、多言語パフォーマンス、安全性を測定しません。したがって、スコアは印象的ですが、すべてのタスクにわたって完璧な推論を保証するものとして解釈されるべきではありません。ユーザーは、モデルを適用しようとしている特定のドメインにおけるパフォーマンスを考慮する必要があります。
料金は、入力トークン100万トークンあたり0.13ドル、出力トークン100万トークンあたり0.38ドルです。これらはプロバイダー料金であり、OrcaRouterがマークアップなしで請求します。トークンはGoogleのトークナイザーに従ってカウントされ、入力トークンにはプロンプト全体とシステムメッセージが含まれ、出力トークンは生成されたテキストです。1リクエストあたりの追加料金や月額の契約はありません。このシンプルなトークン単価制により、利用量に基づいてコスト見積もりが容易になります。
提供された事実には、キャッシュ割引やボリュームプライシングについて言及されていません。OrcaRouterは、コスト削減のために入力トークンの繰り返しをキャッシュする機能を提供する可能性がありますが、ここでは明示されていません。コスト最適化機能の詳細については、OrcaRouterのドキュメントを確認するか、サポートに問い合わせる必要があります。デフォルトでは、基本価格は100万トークンあたり$0.13/$0.38が適用されます。非常に高い使用量の場合は、エンタープライズ契約の可能性について問い合わせることもできますが、このデータにはそのような条件は含まれていません。
Gemma 4 2B または 9B を使用する場合、トークンあたりのコストは低く、多くの場合、1 百万トークンあたり $0.02～$0.10 の範囲になります。31B モデルはより高価ですが、GPQA Diamond スコアが示すように、より高い推論能力を提供します。専門家レベルの推論を必要としないタスクでは、追加コストが正当化されない可能性があります。逆に、精度が重要なアプリケーションでは、31B モデルへの投資により手動検証の必要性が減り、全体的なコストが削減される可能性があります。
OrcaRouterは、プロバイダーの料金をそのまま通過させ、追加のマークアップは一切ありません。GoogleのGemma 4 31Bの場合、入力トークン100万件あたり0.13ドル、出力トークン100万件あたり0.38ドルを直接支払うことになります。追加のサービス料やプラットフォームマージンはありません。OrcaRouterは別の方法（例：エンタープライズサブスクリプションや使用量超過分）で収益を得ていますが、このモデルに関しては表示されている価格がそのままGoogleの請求額です。この透明性により、他のプロバイダーと直接コストを比較することができます。
OpenAI互換のクライアントライブラリを使用し、ベースURLは https://api.orcarouter.ai/v1、モデルIDは "google/gemma-4-31b-it" を指定します。例えばOpenAI Python SDKを使う場合、`openai.api_base = "https://api.orcarouter.ai/v1"`、`openai.api_key = "your-orcarouter-api-key"` を設定し、`openai.ChatCompletion.create(model="google/gemma-4-31b-it", messages=[{"role":"user","content":"Hello"}])` を呼び出します。このAPIは、temperature、max_tokens、top_pなど、OpenAIのチャットエンドポイントと同じパラメータをサポートしています。
OrcaRouterのAPIは、標準のOpenAI互換パラメータをサポートしています：`model`、`messages`、`temperature`（0–2、デフォルト1）、`max_tokens`（整数、モデルの上限まで）、`top_p`（0–1、デフォルト1）、`frequency_penalty`、`presence_penalty`、`stop`シーケンス、`stream`（ブール値）。パラメータ`n`（生成数）もサポートされる場合がありますが、使用制限が適用されます。Gemma 4固有のパラメータ（`repetition_penalty`など）は、追加のボディキーを介してサポートされる場合があることに注意してください。カスタムプロバイダパラメータについては、OrcaRouterのドキュメントを参照してください。
はい、すでにOpenAI互換のAPIを使用している場合、移行は簡単です。`model`パラメータを"google/gemma-4-31b-it"に変更し、OrcaRouterのベースURLを指定するだけです。トークン化と出力フォーマットは他のモデルと若干異なる場合があることに注意してください。品質を確保するために、プロンプトのサンプルでモデルの応答をテストする必要があります。また、価格体系がOpenAIのモデルとは異なるため、それに応じてコストの見積もりを調整する必要がある可能性があることに留意してください。
OrcaRouterには、`Authorization`ヘッダーに`Bearer <your-api-key>`として送信されるAPIキーが必要です。キーはOrcaRouterのウェブサイトでサインアップして取得できます。このキーはリクエストを認証し、適切なプロバイダーにルーティングするために使用されます。キーは必ず安全に保管してください。APIは他の認証方法をサポートしていません。ストリーミングリクエストの場合も同じキーが使用されます。OrcaRouterアカウントで指定されていない限り、追加のIP制限はありません。
Gemma 4 9Bは、より小型で低コストのモデルであり、一般的に100万トークンあたり約0.02～0.10ドルの価格設定で、ベンチマークスコアも低い可能性があります。パラメータ数が3.4倍の31Bバリアントは、GPQA Diamondで85.7%を達成しています。9Bのスコアは提供されていませんが、おそらく低いでしょう。31Bモデルはより優れた推論能力を提供しますが、コストが高く、レイテンシも高い可能性があります。単純なタスクには9Bで十分かもしれませんが、専門家レベルの質問には31Bの方が適しています。どちらも同じOrcaRouter APIを介してアクセスされます。
直接比較のベンチマークは提供されていません。しかし、Llama 3.1 70Bはより大きなモデル（70Bパラメータ）であり、一般的なベンチマークでは高いパフォーマンスを示すことが多いですが、トークンあたりのコストも高くなります。Gemma 4 31Bはより効率的で、GPQAのようなドメイン固有の推論において競争力があるかもしれません。31BサイズはコンシューマーグレードのGPUへのデプロイに魅力的です。ユーザーは自身のタスクで評価すべきです。OrcaRouterは両方のモデルを直接比較のために提供するかもしれません。
Gemma 4 31B は Google の Gemma ライセンスに基づくオープンウェイトモデルであり、ほとんどのアプリケーションで無料で使用できます。ただし、OrcaRouter 経由でアクセスする場合は、OrcaRouter の利用規約に従い、トークンごとに支払いが発生します。リソースがあれば、自分でモデルを自分のハードウェア上で実行することもできます。OrcaRouter はインフラストラクチャのオーバーヘッドを回避するホスティング代替手段を提供します。セルフホスティングと OrcaRouter の使用の選択は、予算、レイテンシ要件、運用上の好みに依存します。
OrcaRouterは、Googleを含む複数のプロバイダーに対して統一されたAPIエンドポイントを提供します。GoogleのVertex AIやAI Platformを使用する場合、異なる料金設定が適用される可能性があり、大量利用の場合は低くなることもあります。OrcaRouterのゼロマークアップは、中程度の利用に対して競争力があります。OrcaRouterの主な利点は、多くのモデルに対して単一のOpenAI互換APIを提供し、統合を簡素化することです。すでにGoogle Cloudを利用しているユーザーにとっては、直接アクセスすることで他のサービスとの統合が改善される可能性があります。OrcaRouterは標準的なAPIログ記録を超えてデータを保存することはありません。詳細についてはプライバシーポリシーをご確認ください。
OpenAI 互換——今お使いの SDK のまま
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)| 入力 / 1M tokens | $0.130 |
| 出力 / 1M tokens | $0.380 |
| キャッシュ読み取り / 1M | $0.020 |
| 通貨 | USD |
表示価格に基づく概算
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
@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