Compară
Gemma 4 31B IT vs Gemma 4 31B
Puneți două până la patru modele alături pe câmpurile care decid o implementare: context, preț, regiune, licență, limbi, găzduire și ce este verificat.
| Gemma 4 31B IT | Gemma 4 31B | |
|---|---|---|
| Furnizor | Google DeepMind | Google DeepMind |
| Parametri | 31.27B | 32.7B |
| Fereastra de context | 262k | Neverificat: furnizorul nu a documentat această afirmație. |
| Licență | apache-2.0 | apache-2.0 |
| Modalități | text, vision | text, vision |
| Data lansării | 11 mar. 2026 | 12 mar. 2026 |
| Limbi | Puternic: en, de, fr, es, it, pt Adecvat: nl, pl, sv, cs, ro, el, uk, ru, ar, hi, zh, ja, ko, tr | Neverificat: furnizorul nu a documentat această afirmație. |
| Ponderi deschise | da | da |
| Sarcini | Viziune, Raționament, Suport multilingv, Codare, Sumarizare | Suport multilingv |
Acolo unde două modele diferă, acest tabel arată diferența și se oprește. LLM EU nu publică nicio insignă de câștigător fără un punctaj documentat pentru acea sarcină, iar o cifră lipsă rămâne lipsă în loc să devină zero.
Când se folosește
Gemma 4 31B IT
Puncte forte
- 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
Limitări
- 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
Sarcini
Gemma 4 31B
Puncte forte
- 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
Limitări
- 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
Sarcini
Sarcini: Suport multilingv