LLM EU
Μενού
Μοντέλα

Gemma 4 31B

Google DeepMind

Μόνο στον κατάλογο Ανοιχτά βάρη

Τελευταία αναθεώρηση:

Κυριαρχία και φιλοξενία

Μόνο στον κατάλογο

Αυτό το μοντέλο είναι καταγεγραμμένο για αναφορά. Δεν φιλοξενείται ακόμη στο LLM EU, και κανένα endpoint πρώτου μέρους δεν το εξυπηρετεί εδώ. Τα αιτήματα προς αυτό πηγαίνουν απευθείας στον πάροχο, υπό τους δικούς του όρους.

Σύνοψη

Το Gemma 4 31B δημοσιεύεται από την Google DeepMind ως ανοιχτό βάρος με 32.7B παραμέτρους υπό την άδεια Apache-2.0. Δέχεται κείμενο και εικόνες και απαντά σε κείμενο. Η δημοσιευμένη διαμόρφωση δεν καταγράφει παράθυρο περιβάλλοντος, οπότε αυτή η κάρτα δεν περιέχει κανένα. Είναι ένα βασικό σημείο ελέγχου χωρίς ρύθμιση οδηγιών. Η κάρτα είναι μόνο για καταλογογράφηση: το LLM EU δεν εκτελεί αυτό το μοντέλο. Ο εκδότης δεν αναφέρει κάλυψη γλώσσας στη σελίδα του μοντέλου.

Προδιαγραφές

Πάροχος
Google DeepMind (US)
Παράθυρο περιβάλλοντος
Μη επαληθευμένο: ο πάροχος δεν έχει τεκμηριώσει αυτόν τον ισχυρισμό.
Παράμετροι
32.7B
Τροπικότητες
text, vision
Άδεια
apache-2.0 · licence
Ανοιχτά βάρη
yes
Ημερομηνία κυκλοφορίας
12 Μαρ 2026
Εργασίες
Πολύγλωσση υποστήριξη

Γλώσσες

Ισχυρή: —

Επαρκής: —

Ισχυρή

    Επαρκής

      Μη επαληθευμένο: ο πάροχος δεν έχει τεκμηριώσει αυτόν τον ισχυρισμό. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Πότε να το χρησιμοποιήσετε

      Πλεονεκτήματα

      • open weights are published on Hugging Face and can be downloaded without a vendor agreement
      • Apache-2.0 licence, so commercial self-hosting is permitted without a separate agreement

      Περιορισμοί

      • catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
      • no evaluation has been run by LLM EU
      • the published configuration records no context window, so the card carries none
      • at 32.7B parameters, self-hosting needs a high-memory accelerator
      • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model