Gemma 4 31B Instruct é o modelo multimodal denso de 30,7B do Google DeepMind que suporta entrada de texto e imagem com saída de texto. Possui uma janela de contexto de 256K tokens, modo de pensamento/raciocínio configurável, função nativa...
O Google Gemma 4 31B é uma variante ajustada para instruções da família Gemma 4, desenvolvida pelo Google. Possui aproximadamente 31 bilhões de parâmetros e é otimizado para tarefas de chat e…
Gemma 4 31B foi projetado para seguir instruções, geração de texto e raciocínio. Pode entender prompts complexos, conversas de múltiplas etapas e tarefas que exigem lógica passo a passo. O modelo é ajustado por instruções, ou seja, foi refinado para seguir as direções do usuário e produzir respostas úteis e coerentes. Ele suporta interações de turno único e múltiplos turnos. Com base em sua contagem de 31B parâmetros, ele equilibra capacidade com velocidade de inferência, tornando-o adequado para aplicações em tempo real onde a latência importa.
Através do benchmark GPQA Diamond, sabemos que o modelo tem um bom desempenho em tarefas de raciocínio de nível especialista em ciências. Ele também é provavelmente forte em geração de código, sumarização e escrita criativa, embora benchmarks específicos para essas tarefas não sejam fornecidos nos fatos apresentados. O modelo é mais eficaz quando recebe instruções claras e estruturadas. Para tarefas que exigem contexto muito longo ou geração aumentada por recuperação, os usuários devem testar os limites da janela de contexto do modelo, pois o comprimento exato do contexto não é especificado nos dados fornecidos.
Se suas tarefas são simples — como classificação básica, geração de texto curto ou respostas de uma única frase — você pode preferir um modelo menor e mais barato, como o Gemma 4 2B ou 9B. A variante 31B incorre em custos de token mais altos, embora ainda modestos. Para aplicações de alta produtividade onde a latência é crítica, um modelo menor também pode ser mais rápido. Além disso, se o seu caso de uso não exigir o raciocínio rigoroso medido pelo GPQA Diamond, um modelo de uso geral mais barato pode oferecer desempenho adequado a um custo menor.
Nenhuma limitação específica é mencionada nos fatos fornecidos. No entanto, como muitos modelos ajustados por instruções de peso aberto, o Gemma 4 31B pode produzir saídas incorretas ou enviesadas, especialmente em tópicos ambíguos ou controversos. Ele também pode ter dificuldades com tarefas que exigem informações em tempo real ou eventos muito recentes devido ao seu corte de treinamento. O tamanho da janela de contexto do modelo não foi divulgado; se for limitado (por exemplo, 8K-32K), pode não ser adequado para documentos muito longos. Os usuários devem sempre verificar as saídas em aplicações de alto risco.
GPQA Diamond é um conjunto de dados de perguntas de múltipla escolha de nível de pós-graduação, abrangendo biologia, física e química. Uma pontuação de 85,7% significa que o Gemma 4 31B respondeu corretamente a mais de 85% dessas perguntas. Esse é um resultado forte, indicando que o modelo possui conhecimento sólido de domínio e habilidades de raciocínio. É importante notar que o benchmark é de múltipla escolha, portanto, não avalia diretamente capacidades generativas, mas correlaciona-se com a habilidade do modelo de recordar e raciocinar sobre conteúdo de nível especializado.
Nenhuma pontuação adicional de benchmark é fornecida nos fatos apresentados. O único benchmark quantitativo compartilhado é a pontuação GPQA Diamond de 85,7. Para uma compreensão mais completa das capacidades do modelo, os usuários devem consultar o relatório técnico oficial do Google ou a ficha técnica do modelo. O OrcaRouter não verifica nem adiciona benchmarks de forma independente. O modelo pode apresentar desempenho diferente em outras avaliações, como MMLU, HumanEval ou GSM8K, mas esses números não estão incluídos aqui.
Dados específicos de velocidade ou latência de inferência não são fornecidos nos fatos apresentados. Como um modelo de 31B parâmetros, ele é maior que as variantes de 9B e 2B do Gemma 4, portanto será tipicamente mais lento por token e exigirá mais memória GPU. A latência real depende do hardware (por exemplo, tipo de GPU, tamanho do lote) e da infraestrutura do provedor. Quando acessado via OrcaRouter, você está sujeito à infraestrutura de servidor do Google. Para aplicações sensíveis à latência, recomendamos testar o tempo de resposta do modelo sob sua carga de trabalho esperada.
A pontuação GPQA Diamond de 85,7% mostra um desempenho forte, mas não é perfeita — o modelo ainda perde 14,3% das questões, o que significa que pode não ser confiável para todas as consultas de nível especializado. O benchmark não mede raciocínio de contexto longo, desempenho multilíngue ou segurança. Portanto, embora a pontuação seja impressionante, não deve ser interpretada como garantia de raciocínio perfeito em todas as tarefas. Os usuários devem considerar o desempenho do modelo no domínio específico em que pretendem aplicá-lo.
Preço é $0,13 por 1 milhão de tokens de entrada e $0,38 por 1 milhão de tokens de saída. Essas são as taxas do provedor cobradas sem margem pela OrcaRouter. Os tokens são contados de acordo com o tokenizador do Google; tokens de entrada incluem todo o prompt e quaisquer mensagens do sistema, enquanto tokens de saída são o texto gerado. Não há taxas adicionais por requisição ou compromissos mensais. Esse preço direto por token facilita a estimativa de custos com base no seu volume de uso.
Os fatos fornecidos não mencionam quaisquer descontos de cache ou preços por volume. O OrcaRouter pode oferecer cache de tokens de entrada repetidos para reduzir custos, mas isso não está especificado aqui. Você deve verificar a documentação do OrcaRouter ou entrar em contato com o suporte para obter detalhes sobre quaisquer funcionalidades de otimização de custos. O preço base de $0,13/$0,38 por milhão de tokens se aplica por padrão. Para uso muito elevado, você pode consultar possíveis acordos empresariais, mas tais termos não estão incluídos nestes dados.
Se você usar Gemma 4 2B ou 9B, seu custo por token será menor, geralmente na faixa de $0.02–$0.10 por milhão de tokens. O modelo 31B é mais caro, mas oferece maior capacidade de raciocínio, conforme indicado pela pontuação GPQA Diamond. Para tarefas que não exigem raciocínio de nível especializado, o custo extra pode não ser justificado. Por outro lado, para aplicações onde a precisão é crítica, investir no modelo 31B pode reduzir a necessidade de verificação manual, potencialmente diminuindo os custos gerais.
O OrcaRouter repassa exatamente a taxa do provedor, sem qualquer margem de lucro. Para o Gemma 4 31B da Google, isso significa que você paga $0,13 por milhão de tokens de entrada e $0,38 por milhão de tokens de saída diretamente. Não há taxa de serviço adicional ou margem da plataforma. O OrcaRouter ganha dinheiro por outros meios (por exemplo, assinaturas empresariais ou excedente de uso), mas para este modelo, o preço que você vê é o que a Google cobra. Essa transparência permite que você compare os custos diretamente com outros provedores.
Você usa uma biblioteca cliente compatível com OpenAI com a URL base https://api.orcarouter.ai/v1 e o ID do modelo "google/gemma-4-31b-it". Por exemplo, usando o SDK Python da OpenAI, defina `openai.api_base = "https://api.orcarouter.ai/v1"` e `openai.api_key = "your-orcarouter-api-key"`. Em seguida, chame `openai.ChatCompletion.create(model="google/gemma-4-31b-it", messages=[{"role":"user","content":"Hello"}])`. A API suporta os mesmos parâmetros que o endpoint de chat da OpenAI, como temperature, max_tokens e top_p.
A API do OrcaRouter suporta parâmetros padrão compatíveis com OpenAI: `model`, `messages`, `temperature` (0–2, padrão 1), `max_tokens` (inteiro, até o limite do modelo), `top_p` (0–1, padrão 1), `frequency_penalty`, `presence_penalty`, sequências `stop` e `stream` (booleano). O parâmetro `n` (número de conclusões) também pode ser suportado, mas com limites de uso. Observe que parâmetros específicos do Gemma 4, como `repetition_penalty`, podem ser suportados por meio de chaves extras no corpo; consulte a documentação do OrcaRouter para parâmetros personalizados do provedor.
Sim, a migração é direta se você já usa uma API compatível com OpenAI. Basta alterar o parâmetro `model` para "google/gemma-4-31b-it" e apontar para a URL base do OrcaRouter. Note que a tokenização e a formatação da saída podem diferir ligeiramente de outros modelos. Você deve testar as respostas do modelo em uma amostra de seus prompts para garantir a qualidade. Além disso, esteja ciente de que a estrutura de preços difere dos modelos da OpenAI, e você pode precisar ajustar suas expectativas de custo de acordo.
OrcaRouter requer uma chave de API enviada no cabeçalho `Authorization` como `Bearer <sua-chave-de-api>`. Você pode obter uma chave inscrevendo-se no site da OrcaRouter. A chave é usada para autenticar suas solicitações e roteá-las para o provedor apropriado. Certifique-se de manter sua chave segura. A API não suporta outros métodos de autenticação. Para solicitações de streaming, a mesma chave é usada. Não há restrições adicionais de IP, a menos que especificado em sua conta da OrcaRouter.
Gemma 4 9B é um modelo menor e mais barato — normalmente precificado em torno de $0,02–$0,10 por milhão de tokens — e provavelmente possui pontuações de benchmark mais baixas. A variante 31B, com 3,4x mais parâmetros, atinge 85,7% no GPQA Diamond; a pontuação do 9B não é fornecida, mas é presumivelmente menor. O modelo 31B oferece melhor raciocínio, porém a um custo mais alto e provavelmente maior latência. Para tarefas simples, o 9B pode ser suficiente; para perguntas de nível especializado, o 31B é a melhor escolha. Ambos são acessados através da mesma API OrcaRouter.
Comparações diretas de benchmarks não são fornecidas. No entanto, o Llama 3.1 70B é um modelo maior (70B de parâmetros) e geralmente apresenta desempenho superior em benchmarks gerais, mas também um custo mais alto por token. O Gemma 4 31B é mais eficiente e pode ser competitivo em raciocínio específico de domínio, como GPQA. O tamanho de 31B o torna atraente para implantação em GPUs de nível consumidor. Os usuários devem avaliar em suas próprias tarefas. O OrcaRouter pode oferecer ambos os modelos para comparação direta.
Gemma 4 31B é um modelo de pesos abertos sob a licença Gemma do Google, permitindo uso gratuito para a maioria das aplicações. No entanto, quando acessado através do OrcaRouter, você está sujeito aos termos de serviço do OrcaRouter e paga por token. Você também pode executar o modelo em seu próprio hardware se tiver os recursos necessários. O OrcaRouter oferece uma alternativa hospedada que evita a sobrecarga de infraestrutura. A escolha entre auto-hospedagem e uso do OrcaRouter depende do seu orçamento, requisitos de latência e preferências operacionais.
OrcaRouter fornece um endpoint de API unificado para vários provedores, incluindo o Google. Se você usar o Vertex AI ou o AI Platform do Google, pode obter preços diferentes, possivelmente mais baixos para alto volume. O markup zero do OrcaRouter é competitivo para uso moderado. A principal vantagem do OrcaRouter é a única API compatível com OpenAI para muitos modelos, simplificando a integração. Para usuários já no Google Cloud, o acesso direto pode oferecer melhor integração com outros serviços. O OrcaRouter não armazena seus dados além do registro padrão da API; consulte a política de privacidade para detalhes.
Compatível com OpenAI — mantenha seu 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)| Entrada / 1M tokens | $0.130 |
| Saída / 1M tokens | $0.380 |
| Leitura de cache / 1M | $0.020 |
| Moeda | USD |
Estimativa com base no preço de tabela
Apenas uma estimativa — a contagem real de tokens depende do tokenizador do provedor.
GET /api/public/models/google/gemma-4-31b-itAbrir @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