Gemma 4 31B Instruct is Google DeepMinds 30.7B dicht multimodaal model dat tekst- en beeldinvoer ondersteunt met tekstuitvoer. Beschikt over een contextvenster van 256K tokens, configureerbare denk-/redeneermodus, native functie...
Google Gemma 4 31B is een instructie-afgestemde variant van de Gemma 4-familie, ontwikkeld door Google. Het heeft ongeveer 31 miljard parameters en is geoptimaliseerd voor chat- en…
Gemma 4 31B is ontworpen voor het volgen van instructies, tekstgeneratie en redeneren. Het kan complexe prompts, gesprekken met meerdere beurten en taken die stapsgewijze logica vereisen, begrijpen. Het model is instructie-afgestemd, wat betekent dat het is verfijnd om gebruikersaanwijzingen te volgen en behulpzame, samenhangende antwoorden te produceren. Het ondersteunt zowel eenmalige als meerderere-beurten interacties. Op basis van zijn 31B parameteraantal balanceert het mogelijkheden met inferentiesnelheid, waardoor het geschikt is voor real-time toepassingen waar latentie belangrijk is.
Via de GPQA Diamond benchmark weten we dat het model goed presteert op redeneertaken op expertniveau in de wetenschap. Het is waarschijnlijk ook sterk in codegeneratie, samenvatting en creatief schrijven, hoewel specifieke benchmarks voor die taken niet worden vermeld in de gegeven feiten. Het model is het meest effectief wanneer het duidelijke, gestructureerde instructies krijgt. Voor taken die een zeer lange context of retrieval-verrijkte generatie vereisen, zouden gebruikers de contextvensterlimieten van het model moeten testen, aangezien de exacte contextlengte niet wordt gespecificeerd in de verstrekte gegevens.
Als uw taken eenvoudig zijn—zoals basale classificatie, korte tekstgeneratie of antwoorden van één zin—heeft u wellicht de voorkeur voor een kleiner, goedkoper model zoals Gemma 4 2B of 9B. De 31B-variant brengt hogere tokenkosten met zich mee, hoewel deze nog steeds bescheiden zijn. Voor toepassingen met hoge doorvoer waar latentie cruciaal is, kan een kleiner model ook sneller zijn. Bovendien, als uw gebruiksscenario niet de rigoureuze redenering vereist die door GPQA Diamond wordt gemeten, kan een goedkoper algemeen model adequate prestaties leveren tegen lagere kosten.
In de verstrekte feiten worden geen specifieke beperkingen genoemd. Echter, zoals bij veel open-weight instructie-getrainde modellen, kan Gemma 4 31B onjuiste of bevooroordeelde uitkomsten produceren, vooral bij dubbelzinnige of controversiële onderwerpen. Het model kan ook moeite hebben met taken die realtime informatie of zeer recente gebeurtenissen vereisen vanwege de trainingsafsluitdatum. De contextvenstergrootte van het model is niet bekendgemaakt; als deze beperkt is (bijv. 8K-32K), is het mogelijk niet geschikt voor zeer lange documenten. Gebruikers moeten altijd uitkomsten verifiëren in toepassingen met hoge risico's.
GPQA Diamond is een dataset van multiple-choicevragen op masterniveau die biologie, natuurkunde en scheikunde beslaat. Een score van 85.7% betekent dat Gemma 4 31B meer dan 85% van deze vragen correct heeft beantwoord. Dit is een sterk resultaat, wat aangeeft dat het model over robuuste domeinkennis en redeneervaardigheden beschikt. Het is belangrijk op te merken dat de benchmark uit multiple-choicevragen bestaat, dus het evalueert niet direct generatieve capaciteiten, maar het correleert met het vermogen van het model om kennis op expertsniveau te herinneren en erover te redeneren.
Er worden geen aanvullende benchmark scores verstrekt in de gegeven feiten. De enige kwantitatieve benchmark die wordt gedeeld, is de GPQA Diamond score van 85.7. Voor een vollediger begrip van de mogelijkheden van het model dienen gebruikers het officiële technische rapport of de modelkaart van Google te raadplegen. OrcaRouter verifieert of voegt geen benchmarks op onafhankelijke wijze toe. Het model kan anders presteren op andere evaluaties zoals MMLU, HumanEval of GSM8K, maar die cijfers zijn hier niet opgenomen.
Specifieke cijfers voor inferentiesnelheid of latentie worden niet vermeld in de gegeven feiten. Als een model met 31B parameters is het groter dan de 9B- en 2B-varianten van Gemma 4, dus het zal doorgaans trager zijn per token en meer GPU-geheugen vereisen. De werkelijke latentie hangt af van de hardware (bijv. GPU-type, batchgrootte) en de providerinfrastructuur. Wanneer het wordt benaderd via OrcaRouter, bent u onderworpen aan de serverinfrastructuur van Google. Voor latentiekritische toepassingen raden we aan om de responstijd van het model te testen onder uw verwachte werklast.
De GPQA Diamond-score van 85.7% toont sterke prestaties, maar is niet perfect—het model mist nog steeds 14.3% van de vragen, wat betekent dat het mogelijk niet betrouwbaar is voor alle expertniveau-query's. De benchmark meet geen langere context-redenering, meertalige prestaties of veiligheid. Daarom, hoewel de score indrukwekkend is, mag deze niet worden geïnterpreteerd als een garantie voor perfecte redenering bij alle taken. Gebruikers moeten rekening houden met de prestaties van het model in het specifieke domein waarin ze het willen toepassen.
De prijzen zijn $0.13 per 1 miljoen input tokens en $0.38 per 1 miljoen output tokens. Dit zijn de tarieven van de provider, gefactureerd zonder opslag door OrcaRouter. Tokens worden geteld volgens de tokenizer van Google; input tokens omvatten de volledige prompt en eventuele systeemberichten, terwijl output tokens de gegenereerde tekst zijn. Er zijn geen extra kosten per verzoek of maandelijkse verplichtingen. Deze eenvoudige prijs per token maakt kostenraming eenvoudig op basis van uw gebruik.
De verstrekte feiten vermelden geen kortingen voor caching of volumeprijzen. OrcaRouter kan mogelijk caching van herhaalde invoertokens aanbieden om de kosten te verlagen, maar dat wordt hier niet gespecificeerd. U moet de documentatie van OrcaRouter raadplegen of contact opnemen met hun ondersteuning voor details over eventuele kostenoptimalisatiefuncties. De basisprijs van $0.13/$0.38 per miljoen tokens is standaard van toepassing. Bij zeer hoog gebruik kunt u informeren naar mogelijke enterprise-overeenkomsten, maar dergelijke voorwaarden zijn niet opgenomen in deze gegevens.
Als u Gemma 4 2B of 9B gebruikt, zijn uw kosten per token lager, vaak in de range van $0,02–$0,10 per miljoen tokens. Het 31B-model is duurder, maar biedt een hogere redeneercapaciteit, zoals aangegeven door de GPQA Diamond-score. Voor taken die geen expertniveau redeneren vereisen, zijn de extra kosten mogelijk niet gerechtvaardigd. Omgekeerd, voor toepassingen waar nauwkeurigheid cruciaal is, kan investeren in het 31B-model de behoefte aan handmatige controle verminderen, waardoor de totale kosten mogelijk dalen.
OrcaRouter geeft het exacte tarief van de aanbieder door zonder enige opslag. Voor Google's Gemma 4 31B betekent dit dat u rechtstreeks $0.13 per miljoen invoertokens en $0.38 per miljoen uitvoertokens betaalt. Er zijn geen extra servicekosten of platformmarges. OrcaRouter verdient geld via andere middelen (bijv. bedrijfsabonnementen of overgebruik), maar voor dit model is de prijs die u ziet wat Google in rekening brengt. Deze transparantie stelt u in staat de kosten rechtstreeks te vergelijken met andere aanbieders.
Je gebruikt een OpenAI-compatibele clientbibliotheek met de basis-URL https://api.orcarouter.ai/v1 en de model-ID "google/gemma-4-31b-it". Bijvoorbeeld, met de OpenAI Python SDK stel je `openai.api_base = "https://api.orcarouter.ai/v1"` en `openai.api_key = "your-orcarouter-api-key"` in. Roep dan `openai.ChatCompletion.create(model="google/gemma-4-31b-it", messages=[{"role":"user","content":"Hello"}])` aan. De API ondersteunt dezelfde parameters als OpenAI's chat-eindpunt, zoals temperature, max_tokens en top_p.
De API van OrcaRouter ondersteunt standaard OpenAI-compatibele parameters: `model`, `messages`, `temperature` (0–2, standaard 1), `max_tokens` (geheel getal, tot de limiet van het model), `top_p` (0–1, standaard 1), `frequency_penalty`, `presence_penalty`, `stop`-sequenties en `stream` (boolean). De parameter `n` (aantal voltooiingen) kan ook worden ondersteund, maar er zijn gebruikslimieten van toepassing. Merk op dat specifieke Gemma 4-parameters zoals `repetition_penalty` mogelijk worden ondersteund via extra body-sleutels; raadpleeg de OrcaRouter-documentatie voor aangepaste providerparameters.
Ja, migratie is eenvoudig als u al een OpenAI-compatibele API gebruikt. U wijzigt eenvoudig de parameter `model` naar "google/gemma-4-31b-it" en verwijst naar de basis-URL van OrcaRouter. Houd er rekening mee dat tokenisatie en uitvoeropmaak enigszins kunnen afwijken van andere modellen. U moet de reacties van het model testen op een voorbeeld van uw prompts om de kwaliteit te waarborgen. Wees u er ook van bewust dat de prijsstructuur verschilt van die van OpenAI's modellen, en dat u mogelijk uw kostenverwachtingen dienovereenkomstig moet aanpassen.
OrcaRouter vereist een API-sleutel die wordt verzonden in de `Authorization`-header als `Bearer <your-api-key>`. U kunt een sleutel verkrijgen door u aan te melden op de website van OrcaRouter. De sleutel wordt gebruikt om uw verzoeken te authenticeren en ze naar de juiste provider te routeren. Zorg ervoor dat u uw sleutel veilig houdt. De API biedt geen ondersteuning voor andere authenticatiemethoden. Voor streamingverzoeken wordt dezelfde sleutel gebruikt. Er zijn geen extra IP-beperkingen tenzij dit is gespecificeerd in uw OrcaRouter-account.
Gemma 4 9B is een kleiner, goedkoper model—meestal geprijsd rond $0,02–$0,10 per miljoen tokens—en heeft waarschijnlijk lagere benchmarkscores. De 31B-variant, met 3,4x meer parameters, behaalt 85,7% op GPQA Diamond; de score van de 9B wordt niet vermeld, maar is vermoedelijk lager. Het 31B-model biedt betere redeneervaardigheden, maar tegen een hogere kostprijs en waarschijnlijk hogere latentie. Voor eenvoudige taken volstaat 9B mogelijk; voor vragen op expertniveau is 31B de betere keuze. Beide zijn toegankelijk via dezelfde OrcaRouter API.
Directe vergelijkingsbenchmarks worden niet verstrekt. Echter, Llama 3.1 70B is een groter model (70B parameters) en heeft vaak hogere prestaties op algemene benchmarks, maar ook hogere kosten per token. Gemma 4 31B is efficiënter en kan concurrerend zijn op domeinspecifieke redeneringen zoals GPQA. De 31B grootte maakt het aantrekkelijk voor implementatie op consumentgerichte GPU's. Gebruikers moeten evalueren op hun eigen taken. OrcaRouter kan beide modellen aanbieden voor directe vergelijking.
Gemma 4 31B is een open-weightmodel onder de Gemma-licentie van Google, waardoor gratis gebruik voor de meeste toepassingen mogelijk is. Wanneer het echter via OrcaRouter wordt benaderd, bent u onderworpen aan de servicevoorwaarden van OrcaRouter en betaalt u per token. U kunt het model ook zelf draaien op uw eigen hardware als u over de middelen beschikt. OrcaRouter biedt een gehost alternatief dat infrastructuuroverhead vermijdt. De keuze tussen zelf hosten en het gebruik van OrcaRouter hangt af van uw budget, latentievereisten en operationele voorkeuren.
OrcaRouter biedt een uniform API-eindpunt voor meerdere providers, waaronder Google. Als u Google's eigen Vertex AI of AI Platform gebruikt, kunt u verschillende prijzen krijgen, mogelijk lager bij hoog volume. De nulmarge van OrcaRouter is concurrerend voor matig gebruik. Het belangrijkste voordeel van OrcaRouter is de enkele OpenAI-compatibele API voor veel modellen, wat integratie vereenvoudigt. Voor gebruikers die al op Google Cloud zitten, kan directe toegang betere integratie met andere services bieden. OrcaRouter slaat uw gegevens niet op buiten standaard API-logging; raadpleeg hun privacybeleid voor details.
OpenAI-compatibel — behoud je huidige 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)| Invoer / 1M tokens | $0.130 |
| Uitvoer / 1M tokens | $0.380 |
| Cache lezen / 1M | $0.020 |
| Valuta | USD |
Schatting op basis van catalogusprijs
Alleen een schatting — het werkelijke aantal tokens hangt af van de tokenizer van de aanbieder.
GET /api/public/models/google/gemma-4-31b-itOpenen @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