•

Open weights model

•

Released April 2026

Gemma 4 31B: Analyse von Intelligenz, Leistung und Preis

Name: Intelligenz
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Verfügbare Anbieter

Leistung

Zeit bis zum ersten Antworttoken 26.30sAusgabegeschwindigkeit 30 tok/s

k. A.

Zeit pro Aufgabe des Intelligence Index (Minuten)

Kosten

Eingabe $0.00Ausgabe $0.00

k. A.

Kosten pro Aufgabe des Intelligence Index

Ausführlichkeit

k. A.

Ausgabetokens im Intelligence Index

Gemma 4 31B (Reasoning) zählt zu den am wenigsten intelligenten Modellen, ist aber preislich gut aufgestellt im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe. Das Modell unterstützt Text, Bilder und Video als Eingabe und Text als Ausgabe. Das Kontextfenster umfasst 256k Tokens.

Gemma 4 31B (Reasoning) erzielt im Artificial Analysis Intelligence Index einen Wert von 4 und liegt damit am unteren Ende der vergleichbaren Modelle (Median: 8).

Der Preis für Gemma 4 31B (Reasoning) beträgt $0.00 pro 1 Mio. Eingabetokens (preislich konkurrenzfähig; Median: $0.13) und $0.00 pro 1 Mio. Ausgabetokens (preislich konkurrenzfähig; Median: $0.30).

Eingabemodalität	Unterstützt: Text, Bilder und Video
Ausgabemodalität	Unterstützt: Text
Kontextfenster	256k ~384 A4-Seiten in Arial mit Schriftgröße 12
Gesamtparameter	30.7B
Lizenz	Apache 2.0
Modellgewichte	Hugging Face

Metriken werden mit Modellen derselben Klasse verglichen:

Modelle ohne Reasoning → Vergleich nur mit anderen Modellen ohne Reasoning
Reasoning-Modelle → Vergleich mit Reasoning-Modellen und Modellen ohne Reasoning
Modelle mit offenen Gewichten → Vergleich nur mit anderen Modellen mit offenen Gewichten derselben Größenklasse:

Sehr klein: ≤4B Parameter
Klein: 4B–40B Parameter
Mittel: 40B–150B Parameter
Groß: >150B Parameter

Proprietäre Modelle → Vergleich mit proprietären Modellen und Modellen mit offenen Gewichten derselben Preisklasse anhand eines Mischpreisverhältnisses von 3:1 für Eingabe/Ausgabe:

<$0.15 pro 1 Mio. Tokens
$0.15–$1 pro 1 Mio. Tokens
>$1 pro 1 Mio. Tokens

Updated

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

No publicly available API

Zeit pro Aufgabe

Inference time (minutes) per Intelligence Index task · Lower is better

No publicly available API

Kosten pro Aufgabe

Weighted average cost (USD) per Intelligence Index task · Lower is better

No publicly available API

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Intelligence Index vs. Kosten pro Aufgabe

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Fähigkeitsindizes

Misst die Leistung von Modellen bei bestimmten Fähigkeiten und in bestimmten Branchen

Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

Benchmarks

Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience v1.1 AccuracyUpdated

Knowledge

AA-Omniscience v1.1 Non-Hallucination RateUpdated

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode-AA 2.0New

Agentic software engineering in open-source repositories

HLE-DiamondNew

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

CritPt v2 (Hard Subset)

Physics reasoning

EnterpriseOps-Gym-AA

Agentic business operations

GDPval-AA v2.1

Agentic real-world work tasks, Elo

ITBench-AA

Kubernetes incident root-cause analysis

MMMU-Pro

Visual reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

Openness Index

Artificial Analysis Openness Index: Wert

Der Openness Index bewertet die Offenheit von Modellen auf einer normierten Skala von 0 bis 100 (höher bedeutet offener)

Kosten

Kosten pro Aufgabe des Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Preise: Cache-Treffer, Eingabe und Ausgabe

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Leistung

Gemessen an der Zeit pro Aufgabe (Minuten), der Ausgabegeschwindigkeit (Tokens pro Sekunde), der Zeit bis zum ersten Antworttoken und der Zeit bis zum ersten Token (Sekunden)

Zeit pro Aufgabe des Intelligence Index

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

The weighted average time (minutes) per Artificial Analysis Intelligence Index task: output tokens per task divided by output speed, weighted by each benchmark's weight in the Intelligence Index.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Ausgabegeschwindigkeit

Output tokens divided by total request time, including time to first token · Higher is better

Output tokens, including reasoning tokens, received per second over a request's full duration, from sending the request to receiving the final token. The headline value averages each Performance v3 workload over the past 5 days, then averages the workloads.

Zeit bis zum ersten Antworttoken

Sekunden bis zum ersten Antworttoken · Berücksichtigt die „Denkzeit“ von Reasoning-Modellen

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Kontextfenster

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Weitere Details

								Gewichte
Gemma 4 31B (Reasoning)	Google	4	30.7B	256k	$0.00	-	30	🤗	+7
Gemma 4 31B (Non-reasoning)	Google	-	30.7B	256k	$0.17	-	55	🤗	+6

Weitere Veröffentlichungen von Google

Häufig gestellte Fragen

Häufige Fragen zu Gemma 4 31B

Gemma 4 31B wurde am 2. April 2026 veröffentlicht.

Gemma 4 31B wurde von Google entwickelt.

Gemma 4 31B hat 2 Effort-Stufen: reasoning und non-reasoning. Gemma 4 31B erzielt im Artificial Analysis Intelligence Index einen Wert von 4 (reasoning). Gemma 4 31B (Reasoning) liegt im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe am unteren Ende (Median: 8).

Gemma 4 31B hat eine Zeit bis zum ersten Antworttoken von 26.30 s (reasoning) und 4.00 s (non-reasoning) (auf Grundlage der API von Google für reasoning und des Medians aller Anbieter für non-reasoning). Die Zeit bis zum ersten Antworttoken von Gemma 4 31B (Reasoning) ist am oberen Ende im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe (Median: 4.36 s).

Gemma 4 31B kostet $0.00 (reasoning) und $0.15 (non-reasoning) pro 1 Mio. Eingabetokens und $0.00 (reasoning) und $0.40 (non-reasoning) pro 1 Mio. Ausgabetokens. Die Angaben basieren für reasoning auf der API von Google und für non-reasoning auf dem Median aller Anbieter. Bei Gemma 4 31B (Reasoning) ist der Eingabepreis sehr konkurrenzfähig (Median: $0.13) und der Ausgabepreis sehr konkurrenzfähig (Median: $0.30).

Gemma 4 31B kostet $0.00 (reasoning) und $0.15 (non-reasoning) pro 1 Mio. Eingabetokens und $0.00 (reasoning) und $0.40 (non-reasoning) pro 1 Mio. Ausgabetokens (auf Grundlage der API von Google für reasoning und des Medians aller Anbieter für non-reasoning). Bei einem Mischpreis mit einem Verhältnis von 7:2:1 für Cache-Treffer, Eingabe und Ausgabe entspricht dies $0.00 (reasoning) und $0.17 (non-reasoning) pro 1 Mio. Tokens. Der Preis kann je nach Anbieter variieren. Preise der Anbieter vergleichen

Ja, Gemma 4 31B (Reasoning) ist ein Reasoning-Modell. Es nutzt längere Denkprozesse oder Chain-of-Thought-Reasoning, um komplexe Probleme zu bearbeiten, bevor es eine Antwort gibt. Nein, Gemma 4 31B (Non-reasoning) ist kein Reasoning-Modell. Es antwortet direkt, ohne längeres Chain-of-Thought-Reasoning.

Gemma 4 31B unterstützt Text, Bilder und Video als Eingabe.

Gemma 4 31B unterstützt Text als Ausgabe.

Ja, Gemma 4 31B unterstützt Bildeingaben und kann Bilder analysieren, beschreiben und Fragen dazu beantworten.

Ja, Gemma 4 31B ist multimodal. Es kann Text, Bilder und Video als Eingabe verarbeiten und Text als Ausgabe erzeugen.

Gemma 4 31B hat ein Kontextfenster von 256k Tokens. Es bestimmt, wie viel Text und Gesprächsverlauf das Modell in einer einzelnen Anfrage verarbeiten kann.

Ja, Gemma 4 31B hat offene Gewichte. Die Modellgewichte sind öffentlich verfügbar und können zum Selbsthosten heruntergeladen werden.

Gemma 4 31B hat 30.7B Parameter.

Gemma 4 31B wird unter der Lizenz Apache 2.0 veröffentlicht. Diese Lizenz erlaubt die kommerzielle Nutzung. Lizenz anzeigen

Gemma 4 31B erzielt im Artificial Analysis Intelligence Index einen Wert von 4 (reasoning). Dieser zusammengesetzte Benchmark bewertet Modelle in den Bereichen Wissensarbeit, Programmierung, Wissenschaft und Allgemeinwissen.

Ja, Gemma 4 31B ist über 10 Anbieter per API verfügbar. API-Anbieter vergleichen

Gemma 4 31B ist über 10 API-Anbieter verfügbar. Anbieter vergleichen

Gemma 4 31B: Analyse von Intelligenz, Leistung und Preis

Modellübersicht

IntelligenzUpdated

Ausführlichkeit

Technische Spezifikationen

144 Modelle in dieser Klasse

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. Kosten pro Aufgabe

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Fähigkeitsindizes

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Openness Index

Artificial Analysis Openness Index: Wert

Kosten

Kosten pro Aufgabe des Intelligence Index

Cost per Intelligence Index Task

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Preise: Cache-Treffer, Eingabe und Ausgabe

Cache Hit

Leistung

Zeit pro Aufgabe des Intelligence Index

Time per Intelligence Index Task

Time Period

Ausgabegeschwindigkeit

End-to-End Output Speed

Zeit bis zum ersten Antworttoken

Time to First Answer Token

Kontextfenster

Kontextfenster

Context Window for RAG

Context Window

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Total Parameters

Active Parameters at Inference Time

Weitere Details

Weitere Veröffentlichungen von Google

Häufig gestellte Fragen

Wann wurde Gemma 4 31B veröffentlicht?

Wer hat Gemma 4 31B entwickelt?

Wie intelligent ist Gemma 4 31B?

Wie hoch ist die Latenz von Gemma 4 31B?

Wie viel kostet Gemma 4 31B?

Wie gestaltet sich der API-Preis von Gemma 4 31B?

Ist Gemma 4 31B ein Reasoning-Modell?

Welche Eingabemodalitäten unterstützt Gemma 4 31B?

Welche Ausgabemodalitäten unterstützt Gemma 4 31B?

Kann Gemma 4 31B Bilder verarbeiten?

Ist Gemma 4 31B multimodal?

Wie groß ist das Kontextfenster von Gemma 4 31B?

Hat Gemma 4 31B offene Gewichte?

Wie viele Parameter hat Gemma 4 31B?

Unter welcher Lizenz steht Gemma 4 31B?

Wie schneidet Gemma 4 31B in Benchmarks ab?

Ist Gemma 4 31B über eine API verfügbar?

Wo kann ich Gemma 4 31B verwenden?