Kann ich Gemma 4 31B lokal ausführen?

Ja – die Gewichte sind unter Apache 2.0 offen und auf Hugging Face unter google/gemma-4-31B-it verfügbar, sodass Sie sie herunterladen und selbst ausführen können, allerdings benötigen die 30,7 Milliarden dichten Parameter erheblichen VRAM.

Was kostet es und wie lang ist der Kontext?

Per API kostet es $0,09 pro Million Eingabetoken und $0,34 pro Million Ausgabetoken, mit einem Kontextfenster von 256.000 Token.

Wodurch unterscheidet sich das 31B-Modell von den anderen Gemma 4 Größen?

Das 31B ist das größte dichte Modell der Gemma 4 Familie und teilt das 256K Kontextfenster mit dem 12B, unterstützt aber im Gegensatz zu den kleineren Varianten keine Audioeingabe – nur Text und Bilder.

▲

33.0%

diese Woche

Gemma 4 31B

8875°

#llm #google #vision #video #logik #programmieren

Modell ausführen

Angebote / Werbung

OpenRouter Terminal / API

Bezahlung pro Token

Chatte mit diesem Modell im Browser oder rufe es mit einem API-Schlüssel aus deinem Code auf.

Google | 262,144 token context | $0.20/M input, $0.40/M output. Gemma 4 31B Instruct is Google DeepMind's 30.7B dense multimodal model supporting text and image input with text output. Features a 256K token context window, configurable thinking/reasoning mode, native function calling, and multilingual support across 140+ languages. Strong on coding, reasoning, and document understanding tasks. Apache 2.0 license.

Anleitungen zu diesem Modell

Wie man Ollama installiert und eine lokale KI betreibt (Windows, Mac, Linux)

Ollama vs LM Studio (2026): Welche lokale KI-App soll man nutzen und welche Top-Modelle laufen auf jeder?

Beste lokale LLM nach Anwendungsfall (Oktober 2026): Das richtige offene Modell für jede Aufgabe

Wie man im Oktober 2026 ein KI-Modell auswählt: Neuigkeiten zu Closed Source und dann die Open-Weights, die sich zum Download lohnen

Wie viel VRAM brauche ich eigentlich für lokale KI?

Was ist eine GGUF-Datei? Quantisierte Modelle erklärt (Q4, Q8, fp8, NF4)

Alle Anleitungen

Captain's Notizen

Geschrieben von Captain, dem Hausredakteur

Notizen vom 2026-10-13

Gemma 4 31B ist Googles DeepMind dichtes multimodales Modell mit 30,7 Milliarden Parametern, das Text- und Bildeingaben verarbeitet und Text ausgibt, mit einem Kontextfenster von 256.000 Token. Offene Gewichte unter Apache 2.0 machen es zu einem der freizügigsten großen Modelle, die man selbst betreiben kann. Es eignet sich für Entwickler und Forscher, die starke Programmier-, Reasoning- und Dokumentenverständnisfähigkeiten ohne geschlossene API-Abhängigkeit suchen.

Bekannt für

256.000 Token Kontextfenster, nützlich für lange Dokumente und Codebasen.
Konfigurierbarer Denkmodus erlaubt Anpassung der Reasoning-Tiefe.
Native Funktionsaufrufe integriert, nicht nachträglich hinzugefügt.
Multilingual in über 140 Sprachen.
Apache 2.0 Lizenz: kommerzielle Nutzung, Feinabstimmung und Weiterverbreitung erlaubt.

Achte auf

Nur Bild- und Texteingabe in dieser Größe; Audio ist den kleineren Varianten E2B, E4B und 12B vorbehalten.
30,7 Milliarden dichte Parameter erfordern viel VRAM für lokale Ausführung – eine 24-GB-Grafikkarte ist realistisch das Minimum.
API-Preise sind niedrig, aber nicht kostenlos; Selbsthosting verschiebt die Kosten auf die Hardware.

Am besten für

Prompts zum Ausprobieren

Debugging eines kniffligen Async-Fehlers

Hier ist eine Python-Async-Funktion, die gelegentlich einen RuntimeError wegen eines geschlossenen Event-Loops wirft. Erkläre, was wahrscheinlich die Ursache ist, und schreibe die Funktion so um, dass sie den Lebenszyklus des Event-Loops korrekt behandelt. Erkläre jede Änderung und warum sie das Problem behebt.

Logikrätsel durchdenken

Fünf Ingenieure treten an fünf aufeinanderfolgenden Tagen von Montag bis Freitag einem Projekt bei. Alex kommt vor Dana. Casey kommt nach Blake, aber vor Elliot. Dana kommt am Mittwoch. Blake kommt nicht am Montag. In welcher Reihenfolge traten sie bei, und wie hast du das Schritt für Schritt herausgefunden?

Struktur aus einem Dokument extrahieren

Ich füge ein dichtes technisches Spezifikations-PDF bei. Extrahiere jede Anforderung, versehe sie mit einer eindeutigen ID, klassifiziere sie als funktional oder nicht-funktional und gib die Ergebnisse als JSON-Array mit den Feldern id, text, type und section zurück.

Vergleichen mit

Gemini 3.8 Flash
Nur API-Modell
1,048,576 Token Kontext · $0.83/M Eingabe, $4.12/M Ausgabe
Gemini 3 Flash Preview
Nur API-Modell
1,048,576 Token Kontext · $0.50/M Eingabe, $3.00/M Ausgabe
Gemini 2.5 Flash Lite
Nur API-Modell
1,048,576 Token Kontext · $0.10/M Eingabe, $0.40/M Ausgabe
Gemini 3.1 Flash Lite
Nur API-Modell
1,048,576 Token Kontext · $0.25/M Eingabe, $1.50/M Ausgabe

Mehr Textmodelle von google

Häufig gestellte Fragen

Kann ich Gemma 4 31B lokal ausführen?: Ja – die Gewichte sind unter Apache 2.0 offen und auf Hugging Face unter google/gemma-4-31B-it verfügbar, sodass Sie sie herunterladen und selbst ausführen können, allerdings benötigen die 30,7 Milliarden dichten Parameter erheblichen VRAM.
Was kostet es und wie lang ist der Kontext?: Per API kostet es $0,09 pro Million Eingabetoken und $0,34 pro Million Ausgabetoken, mit einem Kontextfenster von 256.000 Token.
Wodurch unterscheidet sich das 31B-Modell von den anderen Gemma 4 Größen?: Das 31B ist das größte dichte Modell der Gemma 4 Familie und teilt das 256K Kontextfenster mit dem 12B, unterstützt aber im Gegensatz zu den kleineren Varianten keine Audioeingabe – nur Text und Bilder.

Captain's Urteil
Ein wirklich offenes, kommerziell nutzbares 30B-Modell mit langem Kontext und echter Reasoning-Tiefe – selten genug, um Beachtung zu verdienen.

Model Card auf Hugging Face

Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.

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

Also ranked: #41 Hottest Text / LLM model · #41 Hottest Text / LLM text model

Not this creator?

Get your own badge

Beliebtheitstrend von Gemma 4 31B

Heat-Score seit 2 Apr 2026

Heat-Score

8,875°

Diese Woche

▲

33.0%

8,837° damals, 8,875° jetzt

Diesen Monat

▲

267%

8,702° damals, 8,875° jetzt

Vergangenes Jahr

n/a

Noch nicht veröffentlicht/erfasst

7,000°

Grundwert

Die Skala reicht von 0° bis 9.999°. Alles unterhalb von 7,000° ist für Modelle reserviert, über die noch keine Quelle berichtet hat. Diese tragen dort eine Platzhalterzahl, damit die Listen vollständig bleiben. 7,000° ist der Punkt, an dem gemessene Daten beginnen: Ein Modell mit echten Daten, aber fast keinen Downloads, sitzt auf dem Grundwert, und die Messungen füllen die Grade darüber. Der Grundwert sagt nichts über das Modell aus; nur die Grade darüber tun das und trennen ein Modell vom anderen.

+1,583°

OpenRouter Tokens

1,892,201,174,485 Tokens hat dieses Modell in den letzten 30 Tagen über OpenRouter verarbeitet, Eingaben und Antworten zusammen. Je 10,000,000 Tokens zählen als ein Download im Download-Zeitraum, insgesamt 189,220; die Tokens des letzten Tages fließen in die Adoptionsrate ein. Quelle: OpenRouter (openrouter.ai/rankings).

+292°

Verbreitungsrate

Etwa 7,725 Downloads pro Tag, gemessen zwischen zwei Abfragen der Quellen, nie geschätzt aus einem Durchschnitt über die gesamte Lebenszeit. Die Geschwindigkeit zählt ein Viertel des Download-Werts, sodass ein frischer Anstieg sichtbar wird, ohne dass ein eintägiger Spitzenwert jahrelange Nutzung übertrumpft.

Detaillierte Aufschlüsselung anzeigen

Jede Zahl auf dieser Seite kann überprüft werden. Der Heat-Score dieses Modells beträgt 8,875°, und hier wird er Schritt für Schritt aufgebaut, mit dem laufenden Gesamtwert nach jedem Schritt: der Grundwert, die Grad, die jede Quelle hinzufügt, der Bonus für die Art des Modells und was das Alter seiner Gewichte abzieht. Die Farben entsprechen den Bereichen der obigen Grafik. Das Glossar am Ende erklärt jeden Begriff.

1
Starte beim Grundwert.
Warum 7,000° und nicht null: Die Skala reicht von 0° bis 9.999°, und der Bereich unter 7,000° ist für Modelle reserviert, über die noch keine Quelle berichtet hat. Diese tragen dort eine Platzhalterzahl, damit die Listen vollständig bleiben und niemals über einem Modell mit Daten stehen. 7,000° ist der Punkt, an dem gemessene Daten beginnen. Ein Modell mit echten Daten, aber fast keinen Downloads, sitzt hier; alles, was folgt, ist Messung, und der Bereich über dem Grundwert enthält zehn zehnfache Schritte bei Downloads zu je 300°. Der Grundwert ist für jedes Modell gleich, er entscheidet also nichts; die Grade darüber tun das.
7,000°
laufende Summe
2
Füge die Downloads hinzu.
189,220 Download-Äquivalente insgesamt, von OpenRouter Tokens. Zehnmal die Downloads ergeben denselben 300°, also zählt die Größe, aber sie dominiert die Bewertung nie.
+1,583°
8,583°
laufende Summe
3
Füge die Verbreitungsrate hinzu.
Momentan etwa 7,725 Downloads pro Tag, gemessen zwischen zwei Messungen, mit einem Viertel der Gewichtung.
+292°
8,875°
laufende Summe
=
Der Heat-Score.
Wo dieses Modell auf jeder Liste dieser Seite steht. Nichts anderes beeinflusst ihn.
8,875°

Glossar: die hier verwendeten Begriffe

Heat-Score: Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
Grundwert: Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
Download-Äquivalente: Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
Logarithmische Skala: Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
Likes: Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
Verbreitungsrate: Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
Gemessen und geschätzt: Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
Seeder: Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
AI Horde: Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
Generierungsseiten: Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
OpenRouter Tokens: Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Vollständiges Modell (Checkpoint): Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
LoRA und Embedding: Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
Familie und Gewichte: Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
Alter: Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
Familien-Boost: Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
Stand-in-Wert: Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
Neu! (Schonfrist): Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
Trend: Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
Typisches Modell: Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.

Wie sich die Beliebtheit dieses Modells im Vergleich zum Rest des Katalogs entwickelt hat: sein Wachstum bei Downloads, Likes und Nutzung in jedem Zeitraum, gemessen am typischen Wachstum eines Modells im gleichen Zeitraum, mit dem Heat-Score zu diesem Zeitpunkt. Über dem typischen Wachstum bedeutet ein Anstieg, darunter ein Rückgang. Die Vergangenheit wird aus den heutigen Gesamtzahlen, dem ersten Tag des Modells und seiner gemessenen Download-Geschwindigkeit rekonstruiert, wenn zwei Messungen vorliegen; ein Modell, das zu Beginn eines Zeitraums nicht existierte, zeigt n/a an.

Ähnliche Modelle

Qwen3 Coder 30B A3B Instruct

TEXT / LLM

KI-Modelle für Bild-, Video- und Texterzeugung

Gemma 4 31B ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen und prüfe den Hitzewert, um den Trend zu sehen.

Weitere Text / LLM-Modelle llm google vision video logik programmieren langer kontext lokal

Nach Modellfamilie stöbern