Google logo
Google
•
Gemma 4 31B
•

Open weights model

•

Released abril de 2026

Gemma 4 31B (Non-reasoning) Benchmarks y análisis de proveedores de API

Comparación de modelos

Este análisis está pensado para ayudarte a elegir el mejor proveedor de API de Gemma 4 31B (Non-reasoning) para tu caso de uso.

Más rápido

#1
CerebrasCerebras
1,387.1 t/s
#2
Modular (NVFP4)Modular (NVFP4)
280.2 t/s
#3
SambaNovaSambaNova
201.2 t/s
#4
FriendliAIFriendliAI
156.5 t/s
#5
CoreWeaveCoreWeave
71.3 t/s

Velocidad de salida

11 proveedores en total

Menor latencia

#1
Modular (NVFP4)Modular (NVFP4)
0.44 s
#2
CerebrasCerebras
0.49 s
#3
DeepInfra (FP8)DeepInfra (FP8)
1.10 s
#4
CrusoeCrusoe
1.18 s
#5
ParasailParasail
1.21 s

Tiempo hasta el primer token

11 proveedores en total

Menor precio

#1
ParasailParasail
$0.11
#2
CoreWeaveCoreWeave
$0.12
#3
DeepInfra (FP8)DeepInfra (FP8)
$0.15
#4
SiliconFlow (FP8)SiliconFlow (FP8)
$0.16
#5
FriendliAIFriendliAI
$0.17

Precio combinado (por 1M de tokens)

11 proveedores en total

Gemma 4 31B (Non-reasoning) está disponible a través de 11 proveedores de API, cada uno con distintas características de rendimiento y precios. A continuación se comparan las métricas clave entre proveedores.

  • En velocidad de salida, los principales proveedores son Cerebras (1,387.1 t/s), Modular (NVFP4) (280.2 t/s) y SambaNova (201.2 t/s). La velocidad varía significativamente entre proveedores, con una diferencia del 9827% entre el más rápido y el más lento.
  • En latencia, Modular (NVFP4) (0.44s), Cerebras (0.49s) y DeepInfra (FP8) (1.10s) ofrecen el menor tiempo hasta el primer token.
  • En precios, Parasail (0.11), CoreWeave (0.12) y DeepInfra (FP8) (0.15) ofrecen los menores precios combinados por 1M de tokens. Los precios varían hasta 9.3x entre proveedores.

Aspectos destacados

Velocidad

Output tokens per second · Higher is better

Tiempo de respuesta de extremo a extremo

Seconds · Lower is better

Precio

USD per 1M tokens (blended) · Lower is better

Actualización: La carga de trabajo predeterminada de medición de rendimiento se actualizó a 10k tokens de entrada para reflejar mejor los casos de uso en producción. Aún puedes seleccionar distintas cargas de trabajo arriba.

Precios

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens) · Lower is better · 10,000 input 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.

Pricing: Blended Price

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended) · Lower is better

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).

Pricing: Cache Discount

1 - (cache hit price / input price) · Higher is better

Reduction in input token cost due to cache hit relative to input price. Formula: 1 - (Cache Hit Price per Token / Input Token Price), where cache hit price is the first-party cache hit price or the median provider cache hit price. Note that this discount figure does not account for all costs associated with cache hits, such as cache write and storage costs.

Output Speed vs. Price

Blended at 7:2:1 (cache-input-output) · Output speed: output tokens per second · USD per 1M tokens (blended)
Most attractive quadrant
Pareto line

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Velocidad

Medida por la velocidad de salida (tokens por segundo)

Output Speed: Gemma 4 31B (Non-reasoning)

Output speed: output tokens per second · 10,000 input tokens

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Latency vs. Output Speed

Latency: seconds to first token received · Output speed: output tokens per second · 10,000 input tokens
Most attractive quadrant
Pareto line

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Latencia

Medida por el tiempo (segundos) hasta el primer token

Tiempo hasta el primer token

Seconds to first token received · Lower is better · 10,000 input tokens

Time to first token received, in seconds, after API request sent. For reasoning models which share reasoning tokens, this will be the first reasoning token. For models which do not support streaming, this represents time to receive the completion.

Figures represent median (P50) measurement over the past 72 hours to reflect sustained changes in performance.

Tiempo de respuesta de extremo a extremo

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

Tiempo de respuesta de extremo a extremo

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better · 10,000 input tokens

Seconds to receive a 500 token response. Key components:

  • Input time: Time to receive the first response token
  • Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
  • Answer time: Time to generate 500 output tokens, based on output speed

Métricas clave de comparación y funciones de API

Logo de ModularModular
262k
Abierto
--
268
0.45
2.32
--
Logo de ParasailParasail
262k
Abierto
--
23
1.21
22.92
--
Logo de CerebrasCerebras
131k
Abierto
--
1,301
0.51
0.90
--
Logo de FriendliAIFriendliAI
262k
Abierto
--
156
1.84
5.03
--
Logo de Together AITogether AI
262k
Abierto
--
16
1.28
31.87
--
Logo de SiliconFlowSiliconFlow
262k
Abierto
--
52
3.45
13.12
--
Logo de DeepInfraDeepInfra
262k
Abierto
--
28
1.10
19.25
--
Logo de CoreWeaveCoreWeave
262k
Abierto
--
62
1.94
9.97
--
Logo de SambaNovaSambaNova
131k
Abierto
--
204
2.31
4.77
--
Logo de CrusoeCrusoe
262k
Abierto
--
49
1.25
11.39
--
Logo de NovitaNovita
262k
Abierto
--
29
1.33
18.73
--

Preguntas frecuentes

Preguntas comunes sobre los proveedores de Gemma 4 31B (Non-reasoning)

Gemma 4 31B (Non-reasoning) está disponible a través de 11 proveedores de API: Modular (NVFP4), Parasail, Cerebras, FriendliAI, Together AI (FP8), SiliconFlow (FP8), DeepInfra (FP8), CoreWeave, SambaNova, Crusoe y Novita. Cada proveedor ofrece distintas características de rendimiento y precios.

Gemma 4 31B (Non-reasoning) está disponible actualmente a través de 11 proveedores de API que medimos y monitoreamos.

Los proveedores más rápidos para Gemma 4 31B (Non-reasoning) por velocidad de salida son Cerebras (1,387.1 t/s), Modular (NVFP4) (280.2 t/s) y SambaNova (201.2 t/s). La velocidad de salida mide qué tan rápido se generan tokens después de que el modelo comienza a responder.

Los proveedores con el menor tiempo hasta el primer token para Gemma 4 31B (Non-reasoning) son Modular (NVFP4) (0.44s), Cerebras (0.49s) y DeepInfra (FP8) (1.10s). Una menor latencia significa una respuesta inicial más rápida.

Los proveedores más económicos para Gemma 4 31B (Non-reasoning) por precio combinado son Parasail ($0.11 por 1M de tokens), CoreWeave ($0.12 por 1M de tokens) y DeepInfra (FP8) ($0.15 por 1M de tokens). El precio combinado usa una proporción 7:2:1 de aciertos de caché/entrada/salida.

Los proveedores con el menor precio de tokens de entrada para Gemma 4 31B (Non-reasoning) son CoreWeave ($0.10 por 1M de tokens de entrada), SiliconFlow (FP8) ($0.13 por 1M de tokens de entrada) y DeepInfra (FP8) ($0.13 por 1M de tokens de entrada).

Los proveedores con el menor precio de tokens de salida para Gemma 4 31B (Non-reasoning) son CoreWeave ($0.34 por 1M de tokens de salida), DeepInfra (FP8) ($0.38 por 1M de tokens de salida) y Parasail ($0.40 por 1M de tokens de salida).

Los precios de Gemma 4 31B (Non-reasoning) varían hasta 9.3x entre proveedores. El más económico es Parasail a $0.11 por 1M de tokens, mientras que Cerebras cobra $1.04 por 1M de tokens.

La velocidad de salida de Gemma 4 31B (Non-reasoning) varía significativamente entre proveedores. Cerebras es el más rápido a 1,387.1 t/s, lo que es 99.3x más rápido que Together AI (FP8) a 14.0 t/s.

10 de 11 proveedores admiten el modo JSON para Gemma 4 31B (Non-reasoning): Parasail, Cerebras, FriendliAI, Together AI (FP8), SiliconFlow (FP8), DeepInfra (FP8), CoreWeave, SambaNova, Crusoe y Novita.

Los 11 proveedores de Gemma 4 31B (Non-reasoning) admiten llamadas a funciones (uso de herramientas).

El mejor proveedor para Gemma 4 31B (Non-reasoning) depende de tus prioridades: Cerebras ofrece la mayor velocidad de salida, Modular (NVFP4) tiene la menor latencia y Parasail ofrece los precios más competitivos.

Al elegir un proveedor para Gemma 4 31B (Non-reasoning), considera: velocidad de salida (para tareas intensivas en rendimiento), latencia (para aplicaciones interactivas que requieren primeras respuestas rápidas), precios (para cargas de trabajo sensibles al costo) y funciones de API como el modo JSON o las llamadas a funciones.

Sí, el rendimiento de un proveedor puede variar con el tiempo debido a cambios de infraestructura, balanceo de carga y actualizaciones. Medimos continuamente a todos los proveedores y mostramos las tendencias históricas de rendimiento en los gráficos "a lo largo del tiempo".

Para información sobre la inteligencia, las capacidades, las modalidades de Gemma 4 31B (Non-reasoning) y cómo se compara con otros modelos, consulta la página de resumen del modelo. Ver resumen del modelo