Gemma 4 31B — Specifications
Rédigé par Mustafa Ihsan d’après la documentation officielle du fournisseur · Dernière mise à jour
| Développeur | |
|---|---|
| Type | LLM (multimodale) |
| Modalité | Texte, image → texte |
| Paramètres | 30,7B |
| Fenêtre de contexte | 256 K |
| Licence | Apache 2.0 |
| Poids ouverts | Oui |
| Publié | 2026-03 |
| Prix de l’entrée | $0.20 /1M |
| Prix de la sortie | $0.40 /1M |
| Fournisseurs d'API | DeepInfra, OpenRouter (hosted); Gemini API (free tier only); Ollama (local) |
Exécutez-le localement
| VRAM (4 bits) | ~17.5 GB |
|---|
Résultats de référence
| Google-reported | MMLU Pro 85.2%; GPQA Diamond 84.3%; LiveCodeBench v6 80.0%; AIME 2026 (no tools) 89.2%; MMMU Pro 76.9%. |
|---|
What is Gemma 4 31B?
Gemma 4 31B is the largest dense model in Google DeepMind’s open Gemma 4 family, released on 31 March 2026 under the Apache 2.0 licence. Its modèle lists 30.7 billion parameters, text and image input, a 256K-token context window, configurable thinking modes and support for over 140 languages. Google reports 85.2% on MMLU Pro, 84.3% on GPQA Diamond and 80.0% on LiveCodeBench v6, against 67.6%, 42.4% and 29.1% for Gemma 3 27B without thinking.
Google estimates about 17.5 GB of memory to load it at 4-bit (Q4_0). That covers the weights only: the context window (KV cache) and supporting software need more on top. Ollama’s gemma4:31b-it-q4_K_M build is a 20 GB download, which will not fit in a 16 GB card’s memory but fits a 24 GB GPU with some room for context. Check a setup with the calculatrice VRAM et notre guide de running Gemma 4 in Ollama.
Google’s Gemini API serves gemma-4-31b-it on its free tier only, with no paid tier. Hosted, DeepInfra charges $0.20 per million input tokens and $0.40 output, the price stored in this entry. It succeeds Gemma 3 27B. If speed matters more than peak quality, the mixture-of-experts Gemma 4 26B A4B needs less memory and, according to Google, runs almost as fast as a 4B model.
Gemma 4 31B pricing: API cost per 1M tokens
| Entrée (par million de jetons) | $0.200 |
|---|---|
| Sortie (par million de jetons) | $0.400 |
| Ratio sortie/entrée | 2× |
| Moyenne pondérée (4:1 entrée:sortie) | $0.240 par 1 million de jetons |
What Gemma 4 31B costs per month
Dépense mensuelle réelle pour un ratio entrée-sortie de 4:1 — le rapport effectivement observé dans une charge de travail type (chat ou RAG).
| Charge de travail | Jetons/mois | Coût par mois |
|---|---|---|
| Projet secondaire | 1 million en entrée / 0,25 million en sortie | $0.30 |
| Petite équipe | 20 millions en entrée / 5 millions en sortie | $6.00 |
| Production | 200 millions en entrée / 50 millions en sortie | $60 |
Calculez vos propres coûts dans le Calculateur de coûts pour les API IA.
Cheaper alternatives to Gemma 4 31B
| Modèle | Coût combiné par million de dollars | Vous économisez |
|---|---|---|
| Llama 3.1 8B ouverte | $0.0240 | 90% cheaper |
| Mistral NeMo 12B ouverte | $0.0292 | 88% moins cher |
| Gemma 3 4B ouverte | $0.0600 | 75 % moins cher |
Hébergement local ou paiement via API ?
Gemma 4 31B is open-weight, so you can run it yourself. It needs ~17.5 GB of VRAM at 4-bit. Self-hosting only beats the API once your volume is high enough to keep that hardware busy — the calculatrice auto-hébergement vs API calcule le seuil de rentabilité pour votre volume de jetons.
Questions fréquemment posées
How much does Gemma 4 31B cost per 1M tokens?
Gemma 4 31B costs $0.200 per 1M input tokens and $0.400 per 1M output tokens. At a typical 4:1 input-to-output mix that blends to about $0.240 per 1M tokens.
How much does Gemma 4 31B cost per month?
A small-team workload of 20M input and 5M output tokens a month costs about $6.00 on Gemma 4 31B. A side project (1M in / 0.25M out) costs roughly $0.30.
What is a cheaper alternative to Gemma 4 31B?
Llama 3.1 8B is the strongest cheaper option in our database at $0.0240 per 1M blended — about 90% less than Gemma 4 31B. It is also open-weight, so self-hosting is an option.
Can I run Gemma 4 31B locally?
Yes. Gemma 4 31B is open-weight and needs about ~17.5 GB of VRAM at 4-bit quantisation.
Why does Gemma 4 31B charge more for output than input?
Output tokens are generated one at a time and cannot be batched the way a prompt can, so they cost the provider more to serve. Gemma 4 31B charges 2× more for output, which is why prompt-heavy workloads are far cheaper to run than generation-heavy ones.
Les prix indiqués correspondent aux tarifs publics officiels pour l’API principale du modèle et sont mis à jour régulièrement à mesure que les fournisseurs les modifient. Les remises liées aux volumes, aux traitements par lots ou aux entrées mises en cache ne sont pas prises en compte. Comparez tous les modèles côte à côte dans le Base de données des modèles IA ou le Classement des grands modèles linguistiques (LLM).