Kan ik Gemma 4 31B IT Turbo lokaal draaien?

Nee. De weights zijn niet openbaar uitgebracht, dus het is alleen via API beschikbaar — je kunt het niet downloaden of zelf hosten.

Wat kost het en hoe lang is de context?

De prijs is $0,09 per miljoen inputtokens en $0,34 per miljoen outputtokens, met een contextvenster van 262.144 tokens.

Hoe verschilt dit van andere Gemma 4-modellen?

Google heeft geen gedetailleerde vergelijking tussen Gemma 4-varianten gepubliceerd, maar het Turbo-label duidt meestal op een snelheids- of efficiëntieoptimalisatie binnen een modelfamilie.

Gemma 4 31B it turbo

4653°

#llm #google #visie #redeneren #lange context #budget

DeepInfra openen

google | 262.144 token context | $0,09/M input, $0,34/M output. Gemma is een familie van open modellen gebouwd door Google DeepMind. Gemma 4 modellen zijn multimodaal, verwerken tekst- en beeldinvoer en genereren tekstuitvoer.

Gidsen voor dit model

De 10 goedkoopste ChatGPT-alternatieven in 2026: gratis lokale modellen, gratis tiers en vaste prijsplannen

Open weights vs open source vs alleen API: wat je eigenlijk mag doen

Wat is een GGUF-bestand? Uitleg over gekwantiseerde modellen (Q4, Q8, fp8, NF4)

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

Gemma 4 31B IT Turbo is een multimodaal model van Google DeepMind dat tekst en beeld als input neemt en tekst teruggeeft. Het zit in het middensegment van de Gemma 4-familie en heeft een contextvenster van 262.144 tokens. Met minder dan tien cent per miljoen inputtokens is het geprijsd voor volumetoepassingen, wat het interessant maakt als je visie plus lang-context redeneren nodig hebt zonder een grote API-rekening.

Bekend om

Contextvenster van 262.144 tokens — verwerkt zeer lange documenten in één keer.
Accepteert beeldinput naast tekst, geschikt voor multimodale taken.
Lage inputprijs van $0,09 per miljoen tokens houdt kosten beheersbaar op schaal.
Onderdeel van Google DeepMind's Gemma 4-familie, gebouwd voor brede taakdekking.

Let op

Weights zijn niet openbaar beschikbaar; je bent gebonden aan de API, geen lokale inzet mogelijk.
Outputtokens kosten bijna vier keer zoveel als input — let op de lengte van gegenereerde tekst in productie.

Het beste voor

Prompts om te proberen

Analyseer een dicht document

Hier is een lang contract. Identificeer elke clausule die aansprakelijkheid beperkt, vat samen wat elke clausule in gewone taal zegt, en markeer clausules die ongebruikelijk of eenzijdig zijn. Wees specifiek over sectienummers.

Beschrijf en redeneer over een afbeelding

Ik voeg een screenshot toe van een datadashboard. Noem elke getoonde metriek, noteer welke anomalieën vertonen ten opzichte van de rest, en geef voor elke anomalie twee mogelijke verklaringen.

Meerstaps redeneerprobleem

Een magazijn verzendt 240 bestellingen per dag verdeeld over drie gelijke diensten. De ochtenddienst verwerkt 40% van de bestellingen, de middagdienst 35%, en de nachtdienst de rest. Als de nachtdienst één werknemer toevoegt en de output met 15% stijgt, hoeveel bestellingen verwerkt de nachtdienst dan nu, en wat is het nieuwe dagelijkse totaal?

Vergelijk met

Gemini 3.8 Flash
Alleen API-model
1,048,576 token context · $0.83/M invoer, $4.12/M uitvoer
Gemini 3 Flash Preview
Alleen API-model
1,048,576 token context · $0.50/M invoer, $3.00/M uitvoer
Gemini 2.5 Flash Lite
Alleen API-model
1,048,576 token context · $0.10/M invoer, $0.40/M uitvoer
Gemini 3.1 Flash Lite
Alleen API-model
1,048,576 token context · $0.25/M invoer, $1.50/M uitvoer

Meer tekstmodellen van google

Veelgestelde vragen

Kan ik Gemma 4 31B IT Turbo lokaal draaien?: Nee. De weights zijn niet openbaar uitgebracht, dus het is alleen via API beschikbaar — je kunt het niet downloaden of zelf hosten.
Wat kost het en hoe lang is de context?: De prijs is $0,09 per miljoen inputtokens en $0,34 per miljoen outputtokens, met een contextvenster van 262.144 tokens.
Hoe verschilt dit van andere Gemma 4-modellen?: Google heeft geen gedetailleerde vergelijking tussen Gemma 4-varianten gepubliceerd, maar het Turbo-label duidt meestal op een snelheids- of efficiëntieoptimalisatie binnen een modelfamilie.

Oordeel van de kapitein
Een echt goedkope instap voor lang-context visie taken — onthoud wel dat je het huurt, niet bezit.

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hoe deze score wordt opgebouwd

Dit model heeft nog geen populariteitsgegevens van welke bron dan ook, dus het krijgt een tijdelijke waarde onder 7,000° om de lijsten compleet te houden. Het staat nooit hoger dan een model met data. De uitsplitsing verschijnt hier zodra een bron het rapporteert.

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Hoe te installeren

Hoe Ollama te installeren en een lokale AI te draaien (Windows, Mac, Linux)

11 okt 2026

DeepInfra openen

Vergelijkbare modellen

Meta Llama 3.1 8B Instruct Turbo

TEXT / LLM

AI-modellen voor het genereren van afbeeldingen, video en tekst

Gemma 4 31B it turbo is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm google visie redeneren lange context budget

Bladeren op modelfamilie