Comparar

Gemma 4 12B It vs Gemma 4 31B IT

Coloque dois a quatro modelos lado a lado nos campos que decidem uma implementação: contexto, preço, região, licença, idiomas, alojamento e o que está verificado.

Gemma 4 12B ItGemma 4 31B IT
Fornecedor Google DeepMindGoogle DeepMind
Parâmetros 12B31.27B
Janela de contexto Não verificado: o fornecedor não documentou esta afirmação.262k
Licença apache-2.0apache-2.0
Modalidades text, vision, audiotext, vision
Data de lançamento 23/05/202611/03/2026
Idiomas Não verificado: o fornecedor não documentou esta afirmação.Forte: en, de, fr, es, it, pt
Adequado: nl, pl, sv, cs, ro, el, uk, ru, ar, hi, zh, ja, ko, tr
Pesos abertos simsim
Tarefas Suporte multilingue, Visão, SumarizaçãoVisão, Raciocínio, Suporte multilingue, Codificação, Sumarização

Onde dois modelos diferem, esta tabela mostra a diferença e para. A LLM EU não publica um selo de vencedor sem uma pontuação documentada para essa tarefa, e um valor em falta permanece em falta em vez de se tornar zero.

Quando usar

Gemma 4 12B It

Pontos fortes

  • 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
  • at 12B parameters it fits on a single accelerator
  • instruction-tuned checkpoint with a chat template in the repository
  • speech recognition runs locally, so audio never leaves the operator premises

Limitações

  • 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 12B parameters, self-hosting needs a single accelerator with enough memory for the weights
  • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model

Tarefas

Suporte multilingue, Visão, Sumarização

Gemma 4 31B IT

Pontos fortes

  • Apache-2.0 licence, unlike earlier Gemma generations
  • 256K-token context window
  • text and image input with variable resolution
  • vendor reports multilingual coverage in over 140 languages

Limitações

  • all published scores are self-reported by the vendor
  • 31B parameters need a large-memory accelerator at BF16
  • no evaluation has been run by LLM EU

Tarefas

Visão, Raciocínio, Suporte multilingue, Codificação, Sumarização

Tarefas: Suporte multilingue, Visão, Sumarização

Comparar modelos

Comparar modelos →