Gemma 4 31B Instruct to gęsty model multimodalny o wielkości 30,7B od Google DeepMind, obsługujący wprowadzanie tekstu i obrazu z wyjściem tekstowym. Posiada 256-tysięczne okno kontekstowe, konfigurowalny tryb myślenia/rozumowania, natywną funkcję...
Google Gemma 4 31B to wariant dostrojony do instrukcji z rodziny Gemma 4, opracowany przez Google. Posiada około 31 miliardów parametrów i jest zoptymalizowany do zadań związanych z czatem i…
Gemma 4 31B został zaprojektowany do wykonywania instrukcji, generowania tekstu i rozumowania. Potrafi rozumieć złożone podpowiedzi, wieloetapowe rozmowy oraz zadania wymagające logicznego krok po kroku. Model jest dostrojony do wykonywania instrukcji, co oznacza, że został precyzyjnie dostosowany, aby podążać za wskazówkami użytkownika i generować pomocne, spójne odpowiedzi. Obsługuje zarówno interakcje jednoetapowe, jak i wieloetapowe. Na podstawie liczby 31 miliardów parametrów równoważy możliwości z szybkością wnioskowania, co czyni go odpowiednim do zastosowań w czasie rzeczywistym, gdzie opóźnienie ma znaczenie.
Dzięki benchmarkowi GPQA Diamond wiemy, że model dobrze radzi sobie z zadaniami wymagającymi rozumowania na poziomie eksperckim w naukach ścisłych. Jest również prawdopodobnie silny w generowaniu kodu, streszczaniu i twórczym pisaniu, choć w podanych faktach nie ma konkretnych benchmarków dla tych zadań. Model jest najbardziej skuteczny, gdy otrzymuje jasne, strukturalne instrukcje. W przypadku zadań wymagających bardzo długiego kontekstu lub generowania wspomaganego wyszukiwaniem (retrieval-augmented generation) użytkownicy powinni przetestować limity okna kontekstowego modelu, ponieważ dokładna długość kontekstu nie jest określona w dostarczonych danych.
Jeśli Twoje zadania są proste—takie jak podstawowa klasyfikacja, krótkie generowanie tekstu lub odpowiedzi w pojedynczym zdaniu—możesz preferować mniejszy, tańszy model, taki jak Gemma 4 2B lub 9B. Wariant 31B wiąże się z wyższymi kosztami tokenów, choć nadal umiarkowanymi. W przypadku aplikacji o wysokiej przepustowości, gdzie kluczowe jest niskie opóźnienie, mniejszy model może być również szybszy. Dodatkowo, jeśli Twój przypadek użycia nie wymaga rygorystycznego rozumowania mierzonego przez GPQA Diamond, tańszy model ogólnego przeznaczenia może zapewnić odpowiednią wydajność przy niższym koszcie.
W podanych faktach nie wymieniono żadnych konkretnych ograniczeń. Jednakże, podobnie jak w przypadku wielu otwartych modeli instruowanych, Gemma 4 31B może generować nieprawidłowe lub stronnicze wyniki, szczególnie w przypadku tematów niejednoznacznych lub kontrowersyjnych. Może również mieć trudności z zadaniami wymagającymi informacji w czasie rzeczywistym lub bardzo niedawnych wydarzeń ze względu na datę odcięcia treningu. Rozmiar okna kontekstowego modelu nie został ujawniony; jeśli jest ograniczony (np. 8K-32K), może nie nadawać się do bardzo długich dokumentów. Użytkownicy powinni zawsze weryfikować wyniki w zastosowaniach krytycznych.
GPQA Diamond to zbiór pytań wielokrotnego wyboru na poziomie studiów magisterskich z zakresu biologii, fizyki i chemii. Wynik 85,7% oznacza, że Gemma 4 31B odpowiedziało poprawnie na ponad 85% tych pytań. To silny wynik, wskazujący, że model ma solidną wiedzę dziedzinową i zdolności rozumowania. Należy zauważyć, że benchmark jest wielokrotnego wyboru, więc nie ocenia bezpośrednio zdolności generatywnych, ale koreluje z umiejętnością przypominania i rozumowania na poziomie eksperckim.
W podanych faktach nie przedstawiono dodatkowych wyników testów porównawczych. Jedynym ilościowym wskaźnikiem jest wynik GPQA Diamond wynoszący 85,7. Aby uzyskać pełniejsze zrozumienie możliwości modelu, użytkownicy powinni zapoznać się z oficjalnym raportem technicznym Google lub kartą modelu. OrcaRouter nie weryfikuje ani nie dodaje samodzielnie benchmarków. Model może osiągać inne wyniki w innych ewaluacjach, takich jak MMLU, HumanEval czy GSM8K, ale te wartości nie są tutaj uwzględnione.
Konkretne dane dotyczące szybkości wnioskowania lub opóźnień nie są podane w podanych faktach. Jako model z 31B parametrami jest większy niż warianty 9B i 2B modelu Gemma 4, więc będzie zazwyczaj wolniejszy na token i wymagać więcej pamięci GPU. Rzeczywiste opóźnienia zależą od sprzętu (np. typ GPU, rozmiar partii) i infrastruktury dostawcy. Gdy korzystasz z OrcaRouter, podlegasz infrastrukturze serwerowej Google. W przypadku aplikacji wrażliwych na opóźnienia zalecamy przetestowanie czasu odpowiedzi modelu przy oczekiwanym obciążeniu.
Wynik GPQA Diamond na poziomie 85,7% wskazuje na dobrą wydajność, ale nie jest idealny – model nadal nie odpowiada na 14,3% pytań, co oznacza, że może nie być niezawodny w przypadku wszystkich zapytań eksperckich. Benchmark nie mierzy wnioskowania w długim kontekście, wydajności wielojęzycznej ani bezpieczeństwa. Dlatego choć wynik jest imponujący, nie należy go interpretować jako gwarancji doskonałego wnioskowania we wszystkich zadaniach. Użytkownicy powinni rozważyć wydajność modelu w konkretnej dziedzinie, w której zamierzają go zastosować.
Cena wynosi $0.13 za 1 milion tokenów wejściowych i $0.38 za 1 milion tokenów wyjściowych. Są to stawki dostawcy naliczane z zerową marżą przez OrcaRouter. Tokeny są liczone zgodnie z tokenizerem Google; tokeny wejściowe obejmują cały prompt i wszelkie komunikaty systemowe, natomiast tokeny wyjściowe to wygenerowany tekst. Nie ma dodatkowych opłat za żądanie ani zobowiązań miesięcznych. Ta prosta cena za token sprawia, że oszacowanie kosztów jest łatwe na podstawie wielkości użycia.
Podane fakty nie wspominają o żadnych zniżkach na buforowanie ani cenach hurtowych. OrcaRouter może oferować buforowanie powtarzających się tokenów wejściowych w celu obniżenia kosztów, ale nie jest to tutaj określone. Należy sprawdzić dokumentację OrcaRouter lub skontaktować się z ich wsparciem, aby uzyskać szczegóły na temat funkcji optymalizacji kosztów. Domyślnie obowiązuje cena podstawowa 0,13 USD/0,38 USD za milion tokenów. W przypadku bardzo dużego zużycia możesz zapytać o potencjalne umowy dla przedsiębiorstw, ale takie warunki nie są uwzględnione w tych danych.
Jeśli używasz Gemma 4 2B lub 9B, twój koszt na token będzie niższy, często w zakresie $0.02–$0.10 na milion tokenów. Model 31B jest droższy, ale oferuje wyższe zdolności rozumowania, co wskazuje wynik GPQA Diamond. W przypadku zadań, które nie wymagają rozumowania na poziomie eksperckim, dodatkowy koszt może nie być uzasadniony. Z drugiej strony, w aplikacjach, gdzie dokładność jest krytyczna, inwestycja w model 31B może zmniejszyć potrzebę ręcznej weryfikacji, potencjalnie obniżając ogólne koszty.
OrcaRouter przekazuje dokładną stawkę dostawcy bez żadnej marży. Dla modelu Google Gemma 4 31B oznacza to, że płacisz bezpośrednio $0.13 za milion tokenów wejściowych i $0.38 za milion tokenów wyjściowych. Nie ma żadnych dodatkowych opłat za usługę ani marży platformy. OrcaRouter zarabia w inny sposób (np. subskrypcje korporacyjne lub nadwyżki użycia), ale w przypadku tego modelu cena, którą widzisz, to to, co pobiera Google. Ta przejrzystość pozwala bezpośrednio porównać koszty z innymi dostawcami.
Używasz biblioteki klienta zgodnej z OpenAI, z podstawowym adresem URL https://api.orcarouter.ai/v1 i identyfikatorem modelu "google/gemma-4-31b-it". Na przykład, używając pakietu OpenAI Python SDK, ustaw `openai.api_base = "https://api.orcarouter.ai/v1"` oraz `openai.api_key = "your-orcarouter-api-key"`. Następnie wywołaj `openai.ChatCompletion.create(model="google/gemma-4-31b-it", messages=[{"role":"user","content":"Hello"}])`. API obsługuje te same parametry co punkt końcowy czatu OpenAI, takie jak temperature, max_tokens i top_p.
API OrcaRouter obsługuje standardowe parametry zgodne z OpenAI: `model`, `messages`, `temperature` (0–2, domyślnie 1), `max_tokens` (liczba całkowita, do limitu modelu), `top_p` (0–1, domyślnie 1), `frequency_penalty`, `presence_penalty`, sekwencje `stop` oraz `stream` (wartość logiczna). Parametr `n` (liczba dopełnień) może być również obsługiwany, ale obowiązują limity użycia. Należy pamiętać, że specyficzne parametry Gemma 4, takie jak `repetition_penalty`, mogą być obsługiwane za pomocą dodatkowych kluczy w treści żądania; zapoznaj się z dokumentacją OrcaRouter, aby poznać parametry niestandardowego dostawcy.
Tak, migracja jest prosta, jeśli już korzystasz z API kompatybilnego z OpenAI. Po prostu zmień parametr `model` na "google/gemma-4-31b-it" i wskaż bazowy URL OrcaRouter. Należy pamiętać, że tokenizacja i formatowanie wyjścia mogą nieznacznie różnić się od innych modeli. Powinieneś przetestować odpowiedzi modelu na próbce swoich promptów, aby zapewnić jakość. Należy również pamiętać, że struktura cen różni się od modeli OpenAI, a Ty możesz potrzebować odpowiednio dostosować swoje oczekiwania kosztowe.
OrcaRouter wymaga klucza API przesłanego w nagłówku `Authorization` jako `Bearer <your-api-key>`. Klucz można uzyskać, rejestrując się na stronie OrcaRouter. Klucz jest używany do uwierzytelniania Twoich żądań i kierowania ich do odpowiedniego dostawcy. Upewnij się, że Twój klucz jest bezpieczny. API nie obsługuje innych metod uwierzytelniania. W przypadku żądań strumieniowych używany jest ten sam klucz. Nie ma dodatkowych ograniczeń IP, chyba że określono inaczej na Twoim koncie OrcaRouter.
Gemma 4 9B to mniejszy, tańszy model – zazwyczaj wyceniany na około $0.02–$0.10 za milion tokenów – i prawdopodobnie ma niższe wyniki w benchmarkach. Wariant 31B, z 3.4x większą liczbą parametrów, osiąga 85.7% w GPQA Diamond; wynik 9B nie jest podany, ale przypuszczalnie jest niższy. Model 31B oferuje lepsze rozumowanie, ale po wyższym koszcie i prawdopodobnie z wyższym opóźnieniem. W przypadku prostych zadań 9B może wystarczyć; w przypadku pytań na poziomie eksperckim lepszym wyborem jest 31B. Oba są dostępne za pośrednictwem tego samego interfejsu API OrcaRouter.
Bezpośrednie porównania benchmarkowe nie są dostępne. Jednak Llama 3.1 70B to większy model (70 mld parametrów), który często osiąga wyższą wydajność w ogólnych benchmarkach, ale wiąże się też z wyższym kosztem na token. Gemma 4 31B jest bardziej wydajna i może być konkurencyjna w zakresie dedukcji dziedzinowej, np. GPQA. Rozmiar 31B sprawia, że jest atrakcyjny do wdrożenia na kartach graficznych klasy konsumenckiej. Użytkownicy powinni ocenić modele na własnych zadaniach. OrcaRouter może oferować oba modele do bezpośredniego porównania.
Gemma 4 31B to model o otwartej wadze na licencji Gemma od Google, umożliwiający bezpłatne użytkowanie w większości zastosowań. Jednak w przypadku dostępu przez OrcaRouter obowiązują warunki korzystania z usługi OrcaRouter i płaci się za token. Możesz także uruchomić model samodzielnie na własnym sprzęcie, jeśli posiadasz odpowiednie zasoby. OrcaRouter oferuje hostowaną alternatywę, która eliminuje koszty infrastruktury. Wybór między samodzielnym hostowaniem a korzystaniem z OrcaRouter zależy od budżetu, wymagań dotyczących opóźnień i preferencji operacyjnych.
OrcaRouter zapewnia ujednolicony punkt końcowy API dla wielu dostawców, w tym Google. Jeśli korzystasz z własnych usług Google Vertex AI lub AI Platform, możesz otrzymać inną wycenę, prawdopodobnie niższą przy dużym wolumenie. Zero marży OrcaRouter jest konkurencyjne przy umiarkowanym użyciu. Główną zaletą OrcaRouter jest pojedyncze API zgodne z OpenAI dla wielu modeli, co upraszcza integrację. Dla użytkowników już korzystających z Google Cloud, bezpośredni dostęp może oferować lepszą integrację z innymi usługami. OrcaRouter nie przechowuje Twoich danych poza standardowym logowaniem API; sprawdź ich politykę prywatności, aby uzyskać szczegóły.
Zgodne z OpenAI — zostań przy swoim 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)| Wejście / 1M tokenów | $0.130 |
| Wyjście / 1M tokenów | $0.380 |
| Odczyt cache / 1M | $0.020 |
| Waluta | USD |
Szacunek na podstawie cennika
Tylko szacunek — rzeczywista liczba tokenów zależy od tokenizatora dostawcy.
GET /api/public/models/google/gemma-4-31b-itOtwórz @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