Gemma 4 31B Instruct เป็นโมเดล multimodal แบบหนาแน่นของ Google DeepMind ขนาด 30.7B พารามิเตอร์ รองรับการป้อนข้อความและรูปภาพพร้อมผลลัพธ์เป็นข้อความ มีหน้าต่างบริบทขนาด 256K โทเค็น โหมดคิด/ให้เหตุผลที่ปรับแต่งได้ ฟังก์ชันดั้งเดิม...
Google Gemma 4 31B เป็นตัวแปรที่ปรับแต่งตามคำสั่งของตระกูล Gemma 4 พัฒนาโดย Google มีพารามิเตอร์ประมาณ 31 พันล้านตัว และได้รับการปรับให้เหมาะสมสำหรับงานสนทนาและการปฏิบัติตามคำสั่ง…
Gemma 4 31B ถูกออกแบบมาเพื่อการทำตามคำสั่ง การสร้างข้อความ และการใช้เหตุผล มันสามารถเข้าใจพรอมต์ที่ซับซ้อน การสนทนาหลายรอบ และงานที่ต้องการตรรกะทีละขั้นตอน โมเดลนี้ถูกปรับแต่งด้วยคำสั่ง หมายความว่ามันได้รับการปรับแต่งอย่างละเอียดเพื่อทำตามคำแนะนำของผู้ใช้และสร้างการตอบสนองที่เป็นประโยชน์และสอดคล้องกัน มันรองรับทั้งการโต้ตอบแบบครั้งเดียวและหลายครั้ง จากจำนวนพารามิเตอร์ 31B มันสร้างสมดุลระหว่างความสามารถและความเร็วในการอนุมาน ทำให้เหมาะสำหรับแอปพลิเคชันแบบเรียลไทม์ที่ความหน่วงมีความสำคัญ
จากเกณฑ์มาตรฐาน GPQA Diamond เราทราบว่าโมเดลนี้ทำงานได้ดีในงานใช้เหตุผลระดับผู้เชี่ยวชาญทางวิทยาศาสตร์ นอกจากนี้ยังน่าจะมีความสามารถในการเขียนโค้ด การสรุปความ และการเขียนเชิงสร้างสรรค์ แม้ว่าจะไม่มีเกณฑ์มาตรฐานเฉพาะสำหรับงานเหล่านั้นในข้อมูลที่ให้มา โมเดลจะมีประสิทธิภาพสูงสุดเมื่อได้รับคำแนะนำที่ชัดเจนและมีโครงสร้าง สำหรับงานที่ต้องใช้บริบทที่ยาวมากหรือการสร้างข้อความแบบดึงข้อมูลมาเสริม ผู้ใช้ควรทดสอบขีดจำกัดของหน้าต่างบริบทของโมเดล เนื่องจากไม่ได้ระบุความยาวบริบทที่แน่นอนในข้อมูลที่ให้มา
หากงานของคุณเป็นงานง่าย—เช่น การจำแนกประเภทพื้นฐาน การสร้างข้อความสั้น หรือการตอบกลับแบบประโยคเดียว—คุณอาจเลือกใช้โมเดลที่มีขนาดเล็กกว่าและราคาถูกกว่า เช่น Gemma 4 2B หรือ 9B โมเดลขนาด 31B จะมีค่าใช้จ่ายต่อโทเคนสูงกว่า แม้จะยังไม่สูงมากนัก สำหรับแอปพลิเคชันที่ต้องการปริมาณงานสูงซึ่งเวลาแฝงเป็นสิ่งสำคัญ โมเดลที่เล็กกว่าอาจเร็วกว่าเช่นกัน นอกจากนี้ หากกรณีการใช้งานของคุณไม่ต้องการการให้เหตุผลอย่างเข้มงวดตามที่วัดโดย GPQA Diamond โมเดลเอนกประสงค์ที่ราคาถูกกว่าก็อาจให้ประสิทธิภาพที่เพียงพอในราคาที่ต่ำกว่า
ไม่มีข้อจำกัดเฉพาะที่ระบุไว้ในข้อเท็จจริงที่ให้มา อย่างไรก็ตาม เช่นเดียวกับโมเดล open-weight instruction-tuned หลายตัว Gemma 4 31B อาจสร้างผลลัพธ์ที่ไม่ถูกต้องหรือลำเอียง โดยเฉพาะในหัวข้อที่คลุมเครือหรือมีข้อขัดแย้ง โมเดลอาจมีปัญหาในการทำงานที่ต้องใช้ข้อมูลเรียลไทม์หรือเหตุการณ์ล่าสุด เนื่องจากการตัดข้อมูลการฝึก (training cutoff) ของโมเดล ขนาดหน้าต่างบริบท (context window) ของโมเดลไม่ได้เปิดเผย หากมีข้อจำกัด (เช่น 8K-32K) อาจไม่เหมาะสำหรับเอกสารที่ยาวมาก ผู้ใช้ควรตรวจสอบผลลัพธ์เสมอในการใช้งานที่มีความเสี่ยงสูง
GPQA Diamond เป็นชุดข้อมูลของคำถามแบบเลือกตอบระดับบัณฑิตศึกษาที่ครอบคลุมชีววิทยา ฟิสิกส์ และเคมี คะแนน 85.7% หมายความว่า Gemma 4 31B ตอบคำถามเหล่านี้ถูกต้องมากกว่า 85% ผลลัพธ์นี้ถือว่าแข็งแกร่ง บ่งชี้ว่าโมเดลมีความรู้เฉพาะทางและความสามารถในการใช้เหตุผลที่แข็งแกร่ง สิ่งสำคัญที่ต้องทราบคือเกณฑ์ชี้วัดนี้เป็นแบบเลือกตอบ ดังนั้นจึงไม่ได้ประเมินความสามารถในการสร้างเนื้อหาโดยตรง แต่มีความสัมพันธ์กับความสามารถของโมเดลในการเรียกคืนและใช้เหตุผลเกี่ยวกับเนื้อหาระดับผู้เชี่ยวชาญ
ไม่มีคะแนนเกณฑ์มาตรฐานเพิ่มเติมในข้อเท็จจริงที่ให้มา เกณฑ์มาตรฐานเชิงปริมาณเพียงอย่างเดียวที่แชร์คือคะแนน GPQA Diamond ที่ 85.7 เพื่อความเข้าใจที่สมบูรณ์ยิ่งขึ้นเกี่ยวกับความสามารถของโมเดล ผู้ใช้ควรปรึกษารายงานทางเทคนิคอย่างเป็นทางการหรือโมเดลการ์ดของ Google OrcaRouter ไม่ได้ตรวจสอบหรือเพิ่มเกณฑ์มาตรฐานโดยอิสระ โมเดลอาจทำงานแตกต่างกันในการประเมินอื่นๆ เช่น MMLU, HumanEval หรือ GSM8K แต่ตัวเลขเหล่านั้นไม่ได้รวมไว้ที่นี่
ข้อมูลเกี่ยวกับความเร็วหรือความหน่วงเวลาในการอนุมานที่แน่นอนไม่ได้ระบุไว้ในข้อเท็จจริงที่ให้มา ในฐานะที่เป็นโมเดลที่มีพารามิเตอร์ 31B ซึ่งใหญ่กว่าโมเดล Gemma 4 ขนาด 9B และ 2B ดังนั้นโดยทั่วไปแล้วจะช้าต่อโทเค็นและต้องใช้หน่วยความจำ GPU มากขึ้น ความหน่วงเวลาจริงขึ้นอยู่กับฮาร์ดแวร์ (เช่น ประเภท GPU, ขนาดแบตช์) และโครงสร้างพื้นฐานของผู้ให้บริการ เมื่อเข้าถึงผ่าน OrcaRouter คุณจะอยู่ภายใต้โครงสร้างพื้นฐานการให้บริการของ Google สำหรับแอปพลิเคชันที่ต้องการความหน่วงเวลาต่ำ เราขอแนะนำให้ทดสอบเวลาตอบสนองของโมเดลภายใต้ภาระงานที่คุณคาดหวัง
คะแนน GPQA Diamond ที่ 85.7% แสดงถึงประสิทธิภาพที่แข็งแกร่ง แต่ก็ยังไม่สมบูรณ์แบบ—โมเดลยังคงพลาดคำถาม 14.3% ซึ่งหมายความว่าอาจไม่น่าเชื่อถือสำหรับคำถามระดับผู้เชี่ยวชาญทั้งหมด เกณฑ์ชี้วัดนี้ไม่ได้วัดการให้เหตุผลแบบบริบทยาว ประสิทธิภาพหลายภาษา หรือความปลอดภัย ดังนั้น แม้ว่าคะแนนจะน่าประทับใจ แต่ก็ไม่ควรตีความว่าเป็นเครื่องรับประกันการให้เหตุผลที่สมบูรณ์แบบในทุกงาน ผู้ใช้ควรพิจารณาประสิทธิภาพของโมเดลในโดเมนเฉพาะที่ตนตั้งใจจะนำไปใช้
ราคาอยู่ที่ $0.13 ต่อ 1 ล้านอินพุตโทเคน และ $0.38 ต่อ 1 ล้านเอาต์พุตโทเคน เหล่านี้คืออัตราของผู้ให้บริการที่เรียกเก็บโดยไม่มีมาร์กอัปจาก OrcaRouter โทเคนจะถูกนับตาม tokenizer ของ Google; อินพุตโทเคนรวมถึงพรอมพ์ทั้งหมดและข้อความระบบใดๆ ในขณะที่เอาต์พุตโทเคนคือข้อความที่ถูกสร้าง ไม่มีค่าธรรมเนียมเพิ่มเติมต่อคำขอหรือข้อผูกมัดรายเดือน การกำหนดราคาแบบต่อโทเคนที่ตรงไปตรงมานี้ทำให้การประมาณต้นทุนเป็นเรื่องง่ายตามปริมาณการใช้งานของคุณ
ข้อเท็จจริงที่ให้มาไม่ได้กล่าวถึงส่วนลดการแคชหรือการกำหนดราคาตามปริมาณการใช้งาน OrcaRouter อาจเสนอการแคชโทเค็นอินพุตที่ซ้ำกันเพื่อลดต้นทุน แต่ไม่ได้ระบุไว้ที่นี่ คุณควรตรวจสอบเอกสารของ OrcaRouter หรือติดต่อฝ่ายสนับสนุนเพื่อดูรายละเอียดเกี่ยวกับฟีเจอร์การปรับต้นทุน ราคาพื้นฐานที่ $0.13/$0.38 ต่อล้านโทเค็นจะถูกนำไปใช้โดยค่าเริ่มต้น สำหรับการใช้งานที่สูงมาก คุณอาจสอบถามเกี่ยวกับข้อตกลงระดับองค์กรที่อาจมีได้ แต่ไม่มีข้อกำหนดดังกล่าวรวมอยู่ในข้อมูลนี้
หากคุณใช้ Gemma 4 2B หรือ 9B ต้นทุนต่อโทเค็นจะต่ำกว่า โดยทั่วไปอยู่ที่ $0.02–$0.10 ต่อล้านโทเค็น โมเดล 31B มีราคาแพงกว่า แต่มีความสามารถในการให้เหตุผลที่สูงกว่าตามที่แสดงโดยคะแนน GPQA Diamond สำหรับงานที่ไม่จำเป็นต้องใช้การให้เหตุผลระดับผู้เชี่ยวชาญ ต้นทุนที่เพิ่มขึ้นอาจไม่คุ้มค่า ในทางกลับกัน สำหรับการใช้งานที่ความแม่นยำเป็นสิ่งสำคัญ การลงทุนในโมเดล 31B อาจช่วยลดความจำเป็นในการตรวจสอบด้วยตนเอง ซึ่งอาจลดต้นทุนโดยรวมลง
OrcaRouter ส่งผ่านอัตราค่าบริการจากผู้ให้บริการโดยตรงโดยไม่มีการบวกเพิ่มใดๆ สำหรับ Google's Gemma 4 31B นั่นหมายความว่าคุณจ่ายโดยตรง $0.13 ต่อล้าน input tokens และ $0.38 ต่อล้าน output tokens ไม่มีค่าบริการเพิ่มเติมหรือส่วนต่างของแพลตฟอร์ม OrcaRouter สร้างรายได้ผ่านช่องทางอื่นๆ (เช่น การสมัครสมาชิกระดับองค์กรหรือการใช้งานเกิน限额) แต่สำหรับโมเดลนี้ ราคาที่คุณเห็นคือสิ่งที่ Google คิดค่าบริการ ความโปร่งใสนี้ช่วยให้คุณสามารถเปรียบเทียบต้นทุนกับผู้ให้บริการรายอื่นได้โดยตรง
คุณใช้ไลบรารีไคลเอ็นต์ที่เข้ากันได้กับ OpenAI โดยใช้ URL พื้นฐาน https://api.orcarouter.ai/v1 และรหัสโมเดล "google/gemma-4-31b-it" ตัวอย่างเช่น เมื่อใช้ OpenAI Python SDK ให้ตั้งค่า `openai.api_base = "https://api.orcarouter.ai/v1"` และ `openai.api_key = "your-orcarouter-api-key"` จากนั้นเรียก `openai.ChatCompletion.create(model="google/gemma-4-31b-it", messages=[{"role":"user","content":"Hello"}])` API รองรับพารามิเตอร์เดียวกันกับเอนด์พอยต์แชทของ OpenAI เช่น temperature, max_tokens และ top_p
API ของ OrcaRouter รองรับพารามิเตอร์มาตรฐานที่เข้ากันได้กับ OpenAI: `model`, `messages`, `temperature` (0–2, ค่าเริ่มต้น 1), `max_tokens` (จำนวนเต็ม, สูงสุดตามขีดจำกัดของโมเดล), `top_p` (0–1, ค่าเริ่มต้น 1), `frequency_penalty`, `presence_penalty`, ลำดับ `stop` และ `stream` (บูลีน) พารามิเตอร์ `n` (จำนวนการสร้างข้อความ) อาจรองรับด้วย แต่มีข้อจำกัดการใช้งาน หมายเหตุ: พารามิเตอร์เฉพาะของ Gemma 4 เช่น `repetition_penalty` อาจรองรับผ่าน extra body keys; ดูเอกสารของ OrcaRouter สำหรับพารามิเตอร์เฉพาะผู้ให้บริการ
ใช่ การย้ายข้อมูลทำได้ตรงไปตรงมาหากคุณใช้ API ที่เข้ากันได้กับ OpenAI อยู่แล้ว คุณเพียงแค่เปลี่ยนพารามิเตอร์ `model` เป็น "google/gemma-4-31b-it" และชี้ไปยัง base URL ของ OrcaRouter หมายเหตุ: การทำ tokenization และการจัดรูปแบบเอาต์พุตอาจแตกต่างจากโมเดลอื่นเล็กน้อย คุณควรทดสอบการตอบสนองของโมเดลด้วยตัวอย่าง prompts ของคุณเพื่อให้แน่ใจในคุณภาพ นอกจากนี้ โครงสร้างราคาแตกต่างจากโมเดลของ OpenAI และคุณอาจต้องปรับความคาดหวังด้านค่าใช้จ่ายตามนั้น
OrcaRouter ต้องใช้คีย์ API ที่ส่งในส่วนหัว `Authorization` ในรูปแบบ `Bearer <your-api-key>` คุณสามารถรับคีย์ได้โดยการลงทะเบียนที่เว็บไซต์ OrcaRouter คีย์นี้ใช้เพื่อตรวจสอบสิทธิ์คำขอของคุณและกำหนดเส้นทางไปยังผู้ให้บริการที่เหมาะสม ตรวจสอบให้แน่ใจว่าคุณเก็บคีย์ของคุณไว้อย่างปลอดภัย API ไม่รองรับวิธีการตรวจสอบสิทธิ์อื่น ๆ สำหรับคำขอแบบสตรีมมิ่ง จะใช้คีย์เดียวกัน ไม่มีข้อจำกัดด้าน IP เพิ่มเติม เว้นแต่จะระบุไว้ในบัญชี OrcaRouter ของคุณ
Gemma 4 9B เป็นโมเดลที่เล็กกว่าและถูกกว่า โดยทั่วไปมีราคาประมาณ $0.02–$0.10 ต่อล้านโทเคน และน่าจะมีคะแนนมาตรฐานที่ต่ำกว่า โมเดล 31B ที่มีพารามิเตอร์มากกว่า 3.4 เท่า ทำคะแนนได้ 85.7% บน GPQA Diamond คะแนนของ 9B ไม่ได้ระบุไว้ แต่สันนิษฐานว่าต่ำกว่า โมเดล 31B ให้การให้เหตุผลที่ดีกว่า แต่มีต้นทุนสูงกว่าและเวลาแฝงที่สูงกว่า สำหรับงานง่าย 9B อาจเพียงพอ สำหรับคำถามระดับผู้เชี่ยวชาญ 31B เป็นตัวเลือกที่ดีกว่า ทั้งสองรุ่นเข้าถึงได้ผ่าน OrcaRouter API เดียวกัน
ไม่มีการจัดเตรียมเกณฑ์วัดประสิทธิภาพสำหรับการเปรียบเทียบโดยตรง อย่างไรก็ตาม Llama 3.1 70B เป็นโมเดลที่ใหญ่กว่า (70B พารามิเตอร์) และมักจะมีประสิทธิภาพสูงกว่าในการทดสอบเกณฑ์วัดทั่วไป แต่ก็มีต้นทุนต่อโทเคนที่สูงกว่า Gemma 4 31B มีประสิทธิภาพมากกว่าและอาจแข่งขันได้ในการให้เหตุผลเฉพาะโดเมน เช่น GPQA ขนาด 31B ทำให้มันน่าสนใจสำหรับการปรับใช้บน GPU ระดับผู้บริโภค ผู้ใช้ควรประเมินผลจากงานของตนเอง OrcaRouter อาจเสนอทั้งสองโมเดลสำหรับการเปรียบเทียบโดยตรง
Gemma 4 31B เป็นโมเดลโอเพนเวทภายใต้ใบอนุญาต Gemma ของ Google ซึ่งอนุญาตให้ใช้งานฟรีสำหรับแอปพลิเคชันส่วนใหญ่ อย่างไรก็ตาม เมื่อเข้าถึงผ่าน OrcaRouter คุณจะอยู่ภายใต้ข้อกำหนดการให้บริการของ OrcaRouter และต้องชำระตามจำนวนโทเค็น คุณยังสามารถรันโมเดลด้วยตนเองบนฮาร์ดแวร์ของคุณเองได้หากมีทรัพยากรเพียงพอ OrcaRouter มีทางเลือกแบบโฮสต์ที่ช่วยหลีกเลี่ยงภาระด้านโครงสร้างพื้นฐาน การเลือกระหว่างการโฮสต์ด้วยตนเองและการใช้ OrcaRouter ขึ้นอยู่กับงบประมาณ ข้อกำหนดด้านความหน่วง และความชอบในการดำเนินงานของคุณ
OrcaRouter มีจุดสิ้นสุด API แบบรวมสำหรับผู้ให้บริการหลายราย รวมถึง Google หากคุณใช้ Vertex AI หรือ AI Platform ของ Google เอง คุณอาจได้รับราคาที่แตกต่าง โดยอาจถูกลงสำหรับปริมาณมาก การไม่คิดค่าบริการเพิ่มของ OrcaRouter นั้นแข่งขันได้สำหรับการใช้งานในระดับปานกลาง ข้อได้เปรียบหลักของ OrcaRouter คือ API ที่เข้ากันได้กับ OpenAI เพียงตัวเดียวสำหรับหลายโมเดล ช่วยลดความซับซ้อนในการผสานรวม สำหรับผู้ใช้ที่อยู่บน Google Cloud อยู่แล้ว การเข้าถึงโดยตรงอาจเสนอการรวมกับบริการอื่นๆ ที่ดีกว่า OrcaRouter ไม่จัดเก็บข้อมูลของคุณนอกเหนือจากการบันทึก API มาตรฐาน; โปรดตรวจสอบนโยบายความเป็นส่วนตัวของพวกเขาสำหรับรายละเอียด
เข้ากันได้กับ OpenAI — ใช้ SDK เดิมของคุณได้เลย
https://api.orcarouter.ai/v1import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["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)| อินพุต / 1M โทเค็น | $0.130 |
|---|---|
| เอาต์พุต / 1M โทเค็น | $0.380 |
| อ่านแคช / 1M | $0.020 |
| สกุลเงิน | USD |
ประมาณการจากราคาตั้ง
เป็นเพียงการประเมิน — จำนวน token จริงขึ้นอยู่กับ tokenizer ของผู้ให้บริการ
สิ่งที่นักพัฒนาพูดถึงในสัปดาห์นี้
GET /api/public/models/google/gemma-4-31b-itเปิด @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