Gemma 4 31B Instruct 是 Google DeepMind 的 30.7B 密集多模態模型，支援文字與圖像輸入，輸出文字。具備 256K token 上下文視窗、可設定的思考/推理模式、原生函式...
Google Gemma 4 31B 是 Gemma 4 系列中經過指令微調的變體，由 Google 開發。它擁有約 310 億個參數，並針對對話與指令跟進任務進行了最佳化。該模型可透過 OrcaRouter 的 OpenAI 相容 API 存取，因此您可以使用與 OpenAI 模型相同的端點和客戶端程式庫來呼叫它，只需將模型 ID 設定為 "google/gemma-4-31b-it"。基礎…
Gemma 4 31B 專為指令遵循、文字生成與推理而設計。它能理解複雜的提示詞、多輪對話以及需要逐步邏輯的任務。此模型經過指令微調，意即已針對遵循使用者指示並生成有幫助且連貫的回應進行了最佳化。它同時支援單輪與多輪互動。基於其 31B 參數量，它在能力與推理速度之間取得平衡，使其適用於對延遲敏感的即時應用。
根據GPQA Diamond基準測試，該模型在科學領域的專家級推理任務上表現良好。在程式碼生成、摘要撰寫與創意寫作方面，該模型可能也具有強大能力，但相關事實中未提供這些任務的特定基準測試。當給予清晰、結構化的指令時，該模型表現最為有效。對於需要極長上下文或檢索增強生成的任務，使用者應測試模型的上下文視窗限制，因為所提供的資料中未明確指定確切的上下文長度。
如果你的任務比較簡單——例如基本分類、簡短文字生成或單句回應——你可能會偏好較小、成本較低的模型，例如 Gemma 4 2B 或 9B。31B 版本的 token 成本較高，不過仍然算適中。對於延遲至關重要的高吞吐量應用，較小的模型可能也更快。此外，如果你的使用案例不需要 GPQA Diamond 所衡量的嚴謹推理能力，那麼較便宜的通用模型也能在較低成本下提供足夠的效能。
所提供的資訊中並未列出具體限制。然而，如同許多開放權重指令微調模型，Gemma 4 31B 在處理模糊或有爭議的主題時，可能會產生不正確或有偏見的輸出。由於訓練截止日期的限制，該模型在需要即時資訊或處理非常近期事件的工作上也可能表現不佳。其上下文窗口大小未公開；若其容量有限（例如 8K-32K），則可能不適合處理非常長篇的文件。使用者在涉及高風險的應用場景中，應始終驗證模型的輸出結果。
GPQA Diamond 是一個包含生物學、物理學和化學的研究生等級選擇題資料集。85.7% 的分數表示 Gemma 4 31B 正確回答了超過 85% 的問題。這是一個強勁的結果，顯示該模型具有扎實的領域知識和推理能力。值得注意的是，該基準測試是選擇題形式，因此並不直接評估生成能力，但它與模型回憶和推理專家級內容的能力相關聯。
给定的信息中未提供额外的基准测试分数。唯一共享的量化基准是 GPQA Diamond 的 85.7 分。为了更全面地了解模型的能力，用户应查阅 Google 的官方技术报告或模型卡。OrcaRouter 不会独立验证或添加基准。该模型在其他评估（如 MMLU、HumanEval 或 GSM8K）上可能有不同表现，但此处未包含这些数据。
在給定的事實中並未提供具體的推理速度或延遲數據。作為一個擁有 31B 參數的模型，它比 Gemma 4 的 9B 和 2B 變體更大，因此通常每個 token 的處理速度會較慢，且需要更多 GPU 記憶體。實際延遲取決於硬體（例如 GPU 類型、批次大小）和提供者基礎設施。當透過 OrcaRouter 存取時，您將受 Google 服務基礎設施的約束。對於對延遲敏感的應用，我們建議在預期工作負載下測試模型的響應時間。
GPQA Diamond 分數 85.7% 展現出強大效能，但並非完美無缺——該模型仍有 14.3% 的問題無法正確回答，這代表它在所有專家級查詢上可能並非完全可靠。該基準測試並未衡量長上下文推理、多語言表現或安全性。因此，雖然此分數令人印象深刻，但不應將其解讀為模型在所有任務上都能完美推理的保證。使用者應考量模型在其打算應用的特定領域中的表現。
定價為每100萬輸入token $0.13，每100萬輸出token $0.38。這些是供應商費率，由OrcaRouter以零加價計費。Token根據Google的分詞器計算；輸入Token包含整個提示和任何系統訊息，而輸出Token則是生成的文字。沒有額外的每次請求費用或月度承諾。這種直接的按Token計價方式，讓您可以根據使用量輕鬆估算成本。
所提供的資料並未提及任何快取折扣或批量定價。OrcaRouter 可能提供重複輸入 token 的快取功能以降低成本，但此處並未說明。您應查閱 OrcaRouter 的文件或聯絡其支援團隊，以了解任何成本優化功能的詳細資訊。預設基礎價格為每百萬個 token $0.13/$0.38。若使用量極高，您可以詢問是否有潛在的企業協議，但本資料中不含此類條款。
如果您使用 Gemma 4 2B 或 9B，每 token 成本會較低，通常在每百萬 token $0.02–$0.10 的範圍內。31B 模型雖然較昂貴，但如 GPQA Diamond 分數所示，具備更高的推理能力。對於不需要專家級推理的任務，額外成本可能不划算。反之，在準確性至關重要的應用中，投資 31B 模型或許能減少人工驗證的需求，從而可能降低整體成本。
OrcaRouter 直接傳遞供應商的原始費率，不加任何加成。以 Google 的 Gemma 4 31B 為例，您直接支付每百萬輸入代幣 0.13 美元、每百萬輸出代幣 0.38 美元。沒有額外的服務費或平台利潤。OrcaRouter 透過其他方式獲利（例如企業訂閱或使用量超額），但對於這個模型，您看到的價格就是 Google 收取的費用。這種透明度讓您能直接與其他供應商比較成本。
您使用一個與 OpenAI 相容的客戶端函式庫，並將基礎 URL 設為 https://api.orcarouter.ai/v1，模型 ID 為 "google/gemma-4-31b-it"。例如，使用 OpenAI Python SDK 時，設定 `openai.api_base = "https://api.orcarouter.ai/v1"` 和 `openai.api_key = "your-orcarouter-api-key"`。然後呼叫 `openai.ChatCompletion.create(model="google/gemma-4-31b-it", messages=[{"role":"user","content":"Hello"}])`。此 API 支援與 OpenAI 聊天端點相同的參數，例如 temperature、max_tokens 和 top_p。
OrcaRouter 的 API 支援標準的 OpenAI 相容參數：`model`、`messages`、`temperature`（0–2，預設1）、`max_tokens`（整數，最高為模型的限制）、`top_p`（0–1，預設1）、`frequency_penalty`、`presence_penalty`、`stop`序列以及 `stream`（布林值）。參數 `n`（完成數量）也可能受支援，但適用使用限制。請注意，特定的 Gemma 4 參數（例如 `repetition_penalty`）可能透過額外的主體鍵來支援；請參閱 OrcaRouter 文件以了解自訂提供者參數。
是的，如果您已經使用與 OpenAI 相容的 API，遷移相當直接。您只需將 `model` 參數改為 "google/gemma-4-31b-it"，並指向 OrcaRouter 的基本 URL。請注意，tokenization 和輸出格式可能與其他模型略有不同。您應該在提示詞樣本上測試模型的反應，以確保品質。同時請注意，定價結構與 OpenAI 的模型不同，您可能需要相應調整您的成本預期。
OrcaRouter 要求在 `Authorization` 標頭中以 `Bearer <your-api-key>` 的形式傳送 API 金鑰。您可以透過在 OrcaRouter 網站註冊來獲取金鑰。該金鑰用於驗證您的請求並將其路由至相應的供應商。請務必妥善保管您的金鑰。API 不支援其他驗證方式。串流請求同樣使用此金鑰。除非您的 OrcaRouter 帳戶另行指定，否則沒有額外的 IP 限制。
Gemma 4 9B 是較小、較便宜的模型，通常每百萬 token 約定價在 $0.02–$0.10，且可能基準分數較低。31B 變體擁有 3.4 倍參數量，在 GPQA Diamond 上達到 85.7%；9B 的分數未公布，但推測較低。31B 模型提供更好的推理能力，但成本更高且延遲可能更高。對於簡單任務，9B 可能足夠；對於專家級問題，31B 是較佳選擇。兩者皆透過相同的 OrcaRouter API 存取。
未提供直接比較基準。然而，Llama 3.1 70B 是一個更大的模型（70B 參數），通常在一般基準測試中表現較高，但每個 token 的成本也更高。Gemma 4 31B 更有效率，並且可能在 GPQA 等領域特定推理上具有競爭力。31B 的大小使其對部署在消費級 GPU 上具有吸引力。使用者應根據自己的任務進行評估。OrcaRouter 可能提供兩種模型進行直接比較。
Gemma 4 31B 是根據 Google 的 Gemma 授權的開放權重模型，允許在大多數應用程式中免費使用。然而，當透過 OrcaRouter 存取時，您需遵守 OrcaRouter 的服務條款並按 token 計費。如果您擁有相關資源，也可以自行在硬體上執行此模型。OrcaRouter 提供託管替代方案，可避免基礎設施負擔。選擇自行託管或使用 OrcaRouter，取決於您的預算、延遲需求以及營運偏好。
OrcaRouter 為多個提供商（包括 Google）提供統一的 API 端點。如果您使用 Google 自家的 Vertex AI 或 AI Platform，可能會獲得不同的定價，對於大量使用可能更低。OrcaRouter 的零加成定價對於中等用量具有競爭力。OrcaRouter 的主要優勢在於為多種模型提供單一相容 OpenAI 的 API，簡化整合。對於已經使用 Google Cloud 的用戶，直接存取可能提供與其他服務更好的整合。OrcaRouter 不會儲存您的資料，僅保留標準 API 日誌；詳情請查閱其隱私權政策。
相容 OpenAI——沿用你現有的 SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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)| 輸入 / 1M tokens | $0.130 |
| 輸出 / 1M tokens | $0.380 |
| 快取讀取 / 1M | $0.020 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
@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