Puis-je exécuter Gemma 4 31B IT Turbo localement ?

Non. Les poids ne sont pas publiquement diffusés, il est donc uniquement accessible via API — vous ne pouvez ni le télécharger ni l’héberger vous-même.

Quel est le coût et quelle est la taille de la fenêtre de contexte ?

La tarification est de 0,09 $ par million de tokens d’entrée et 0,34 $ par million de tokens de sortie, avec une fenêtre de contexte de 262 144 tokens.

En quoi ce modèle diffère-t-il des autres Gemma 4 ?

Google n’a pas publié de comparaison détaillée entre les variantes Gemma 4, mais le label Turbo signale généralement une optimisation de vitesse ou d’efficacité au sein d’une famille de modèles.

Gemma 4 31B it turbo

4653°

#llm #google #vision #raisonnement #contexte long #budget

Ouvrir DeepInfra

google | contexte de 262 144 tokens | 0,09 $/M entrée, 0,34 $/M sortie. Gemma est une famille de modèles ouverts développée par Google DeepMind. Les modèles Gemma 4 sont multimodaux, traitant les entrées texte et image et générant des sorties texte.

Guides pour ce modèle

Les 10 alternatives à ChatGPT les moins chères en 2026 : modèles locaux gratuits, offres gratuites et forfaits à prix fixe

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Gemma 4 31B IT Turbo est un modèle multimodal de Google DeepMind qui prend en entrée texte et image et retourne du texte. Il se situe dans la gamme moyenne de la famille Gemma 4 et offre une fenêtre de contexte de 262 144 tokens. À moins de dix cents par million de tokens d’entrée, il est tarifé pour un usage en volume, ce qui le rend intéressant si vous avez besoin de vision et de raisonnement sur long contexte sans une facture API élevée.

Connu pour

Fenêtre de contexte de 262 144 tokens — gère des documents très longs en une seule passe.
Accepte une entrée image en plus du texte, couvrant des tâches multimodales.
Prix d’entrée bas de 0,09 $/M tokens pour maîtriser les coûts à grande échelle.
Fait partie de la famille Gemma 4 de Google DeepMind, conçue pour une large couverture de tâches.

Attention à

Les poids ne sont pas publiquement disponibles ; vous êtes lié à l’API, pas de déploiement local.
Les tokens de sortie coûtent près de quatre fois plus que ceux d’entrée — surveillez la longueur de génération en production.

Idéal pour

Prompts à essayer

Analyse d’un document dense

Voici un long contrat. Identifiez chaque clause limitant la responsabilité, résumez ce que chacune dit en anglais simple, et signalez celles qui sont inhabituelles ou unilatérales. Soyez précis sur les numéros de section.

Décrire et raisonner sur une image

Je joins une capture d’écran d’un tableau de bord de données. Listez chaque métrique affichée, notez celles qui semblent anormales par rapport aux autres, et suggérez deux explications possibles pour chaque anomalie.

Problème de raisonnement multi-étapes

Un entrepôt expédie 240 commandes par jour sur trois équipes de durée égale. L’équipe du matin gère 40 % des commandes, celle de l’après-midi 35 %, et la nuit le reste. Si l’équipe de nuit ajoute un travailleur et que la production augmente de 15 %, combien de commandes l’équipe de nuit traite-t-elle maintenant, et quel est le nouveau total quotidien ?

Comparer avec

Gemini 3.8 Flash
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.83/M, sortie $4.12/M
Gemini 3 Flash Preview
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.50/M, sortie $3.00/M
Gemini 2.5 Flash Lite
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.10/M, sortie $0.40/M
Gemini 3.1 Flash Lite
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.25/M, sortie $1.50/M

Plus de modèles de texte de google

Questions fréquentes

Puis-je exécuter Gemma 4 31B IT Turbo localement ?: Non. Les poids ne sont pas publiquement diffusés, il est donc uniquement accessible via API — vous ne pouvez ni le télécharger ni l’héberger vous-même.
Quel est le coût et quelle est la taille de la fenêtre de contexte ?: La tarification est de 0,09 $ par million de tokens d’entrée et 0,34 $ par million de tokens de sortie, avec une fenêtre de contexte de 262 144 tokens.
En quoi ce modèle diffère-t-il des autres Gemma 4 ?: Google n’a pas publié de comparaison détaillée entre les variantes Gemma 4, mais le label Turbo signale généralement une optimisation de vitesse ou d’efficacité au sein d’une famille de modèles.

Verdict du capitaine
Un point d’entrée vraiment économique pour les tâches vision à long contexte — souvenez-vous juste que vous le louez, vous ne le possédez pas.

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

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

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Comment installer

Comment installer Ollama et faire tourner une IA locale (Windows, Mac, Linux)

Modèles similaires

Modèles d'IA pour générer image, vidéo et texte

Gemma 4 31B it turbo est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm google vision raisonnement contexte long budget

Parcourir par famille de modèles