Gemma 4 31B (Reasoning) logo
Google
•

Gemma 4 31B

•

Open weights model

•

Released April 2026

Gemma 4 31B (Reasoning) Benchmarking e análise de provedores de API

Comparação de modelos

Esta análise ajuda você a escolher o melhor provedor de API de Gemma 4 31B (Reasoning) para seu caso de uso.

Mais rápido

#1
CerebrasCerebras
1,395.8 t/s
#2
Modular (NVFP4)Modular (NVFP4)
227.2 t/s
#3
SambaNovaSambaNova
196.5 t/s
#4
FriendliAIFriendliAI
168.5 t/s
#5
Lightning AILightning AI
151.8 t/s

Velocidade de saída

13 provedores no total

Menor latência

#1
CerebrasCerebras
1.77 s
#2
Modular (NVFP4)Modular (NVFP4)
8.12 s
#3
SambaNovaSambaNova
11.38 s
#4
FriendliAIFriendliAI
11.63 s
#5
Lightning AILightning AI
12.24 s

Tempo até o primeiro token da resposta final

13 provedores no total

Menor preço

#1
Google (AI Studio)Google (AI Studio)
$0.00
#2
DeepInfraDeepInfra
$0.08
#3
ParasailParasail
$0.11
#4
CoreWeaveCoreWeave
$0.12
#5
SiliconFlow (FP8)SiliconFlow (FP8)
$0.16

Preço combinado (por 1M de tokens)

13 provedores no total

Gemma 4 31B está disponível em 13 provedores de API, cada um com características de desempenho e preços diferentes. Veja abaixo uma comparação das principais métricas entre os provedores.

  • Em velocidade de saída, os principais provedores são Cerebras (1,395.8 t/s), Modular (NVFP4) (227.2 t/s) e SambaNova (196.5 t/s). A velocidade varia significativamente entre os provedores, com uma diferença de 3936% entre o mais rápido e o mais lento.
  • Em latência, Cerebras (1.77s), Modular (NVFP4) (8.12s) e SambaNova (11.38s) têm o menor tempo até o primeiro token da resposta final.
  • Em preço, Google (AI Studio) (0.00), DeepInfra (0.08) e Parasail (0.11) têm os menores preços combinados por 1M de tokens.
  • Cerebras oferece o melhor desempenho, com a maior velocidade e a menor latência. Para otimizar os custos, Google (AI Studio) tem o preço mais competitivo.

Destaques

Velocidade

Output tokens per second · Higher is better

Tempo de resposta de ponta a ponta

Seconds · Lower is better

Preço

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

Atualização: A carga de trabalho padrão do benchmarking de desempenho passou a usar 10k tokens de entrada para representar melhor os casos de uso em produção. Você ainda pode selecionar outras cargas de trabalho acima.

Preços

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).

Velocidade

Medida pela velocidade de saída (tokens por segundo)

Output Speed: Gemma 4 31B (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).

Latência

Medida pelo tempo (segundos) até o primeiro token

Tempo até o primeiro token da resposta final

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

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.

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

Tempo de resposta de ponta a ponta

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

Tempo de resposta de ponta a ponta

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

Principais métricas de comparação e recursos da API

Logo: CoreWeaveCoreWeave
262k
Aberto
--
35
1.93
66.49
50.12
Logo: ModularModular
262k
Aberto
--
243
0.48
9.69
7.15
Logo: GMIGMI
262k
Aberto
$0.04
--
--
--
--
Logo: NovitaNovita
262k
Aberto
$0.04
--
--
--
--
Logo: CerebrasCerebras
131k
Aberto
$0.24
1,535
0.56
2.01
1.13
Logo: GoogleGoogle
262k
Aberto
$0.00
35
1.06
64.75
49.45
Logo: ParasailParasail
262k
Aberto
$0.02
56
1.52
41.68
31.18
Logo: DeepInfraDeepInfra
262k
Aberto
$0.01
57
1.01
40.02
30.28
Logo: SiliconFlowSiliconFlow
262k
Aberto
$0.03
57
3.39
42.48
30.35
Logo: SambaNovaSambaNova
131k
Aberto
$0.10
196
2.39
13.78
8.84
Logo: FriendliAIFriendliAI
256k
Aberto
$0.04
157
1.30
15.53
11.05
Logo: Lightning AILightning AI
131k
Aberto
$0.04
151
0.82
15.65
11.51
Logo: Together AITogether AI
262k
Aberto
$0.10
63
1.15
36.48
27.43

Perguntas frequentes

Perguntas comuns sobre os provedores do Gemma 4 31B (Reasoning)

Gemma 4 31B (Reasoning) está disponível em 13 provedores de API: CoreWeave, Modular (NVFP4), GMI (FP8), Novita, Cerebras, Google (AI Studio), Parasail, DeepInfra, SiliconFlow (FP8), SambaNova, FriendliAI, Lightning AI e Together AI (FP8). Cada provedor oferece características de desempenho e preços diferentes.

Atualmente, o Gemma 4 31B (Reasoning) está disponível em 13 provedores de API que avaliamos e acompanhamos.

Os provedores mais rápidos para o Gemma 4 31B (Reasoning) em velocidade de saída são Cerebras (1,395.8 t/s), Modular (NVFP4) (227.2 t/s) e SambaNova (196.5 t/s). A velocidade de saída mede a rapidez com que os tokens são gerados depois que o modelo começa a responder.

Os provedores com o menor tempo até o primeiro token da resposta final para o Gemma 4 31B (Reasoning) são Cerebras (1.77s), Modular (NVFP4) (8.12s) e SambaNova (11.38s). Uma latência menor significa um tempo de resposta inicial mais rápido.

Os provedores mais acessíveis para o Gemma 4 31B (Reasoning) em preço combinado são Google (AI Studio) ($0.00 por 1M de tokens), DeepInfra ($0.08 por 1M de tokens) e Parasail ($0.11 por 1M de tokens). O preço combinado usa uma proporção de 7:2:1 entre tokens de acerto do cache, entrada e saída.

Os provedores com o menor preço de tokens de entrada para o Gemma 4 31B (Reasoning) são Google (AI Studio) ($0.00 por 1M de tokens de entrada), CoreWeave ($0.10 por 1M de tokens de entrada) e DeepInfra ($0.13 por 1M de tokens de entrada).

Os provedores com o menor preço de tokens de saída para o Gemma 4 31B (Reasoning) são Google (AI Studio) ($0.00 por 1M de tokens de saída), CoreWeave ($0.34 por 1M de tokens de saída) e DeepInfra ($0.38 por 1M de tokens de saída).

A velocidade de saída do Gemma 4 31B (Reasoning) varia significativamente entre os provedores. Cerebras é o mais rápido, com 1,395.8 t/s, 40.4x mais rápido que CoreWeave, com 34.6 t/s.

Todos os 13 provedores do Gemma 4 31B (Reasoning) são compatíveis com o modo JSON para saída estruturada.

Todos os 13 provedores do Gemma 4 31B (Reasoning) são compatíveis com chamadas de funções (uso de ferramentas).

Para o Gemma 4 31B (Reasoning), Cerebras oferece o melhor desempenho, com a maior velocidade e a menor latência. Para otimizar os custos, Google (AI Studio) tem o preço mais competitivo.

Ao escolher um provedor para o Gemma 4 31B (Reasoning), considere a velocidade de saída (para tarefas que exigem alta vazão), a latência (para aplicações interativas que precisam de respostas iniciais rápidas), o preço (para cargas de trabalho atentas aos custos) e os recursos da API, como modo JSON e chamadas de funções.

Sim. O desempenho dos provedores pode variar ao longo do tempo devido a mudanças na infraestrutura, balanceamento de carga e atualizações. Avaliamos continuamente todos os provedores e exibimos as tendências históricas de desempenho nos gráficos de evolução ao longo do tempo.

Para saber mais sobre a inteligência, as capacidades e as modalidades do Gemma 4 31B (Reasoning), além de como ele se compara a outros modelos, consulte a página de visão geral do modelo. Ver visão geral do modelo