Bisakah saya menjalankan Gemma 4 31B IT Turbo secara lokal?

Tidak. Bobotnya tidak dirilis secara publik, jadi hanya tersedia melalui API — Anda tidak bisa mengunduh atau meng-host sendiri.

Berapa biayanya dan berapa panjang konteksnya?

Harga $0,09 per juta token input dan $0,34 per juta token output, dengan jendela konteks 262.144 token.

Apa bedanya dengan model Gemma 4 lainnya?

Google belum menerbitkan perbandingan rinci antar varian Gemma 4, tapi label Turbo biasanya menandakan optimasi kecepatan atau efisiensi dalam keluarga model.

Gemma 4 31B it turbo

4653°

#llm #google #visi #penalaran #konteks panjang #anggaran

Buka DeepInfra

google | konteks token 262.144 | $0,09/M input, $0,34/M output. Gemma adalah keluarga model terbuka yang dibuat oleh Google DeepMind. Model Gemma 4 bersifat multimodal, menangani input teks dan gambar serta menghasilkan output teks.

Panduan untuk model ini

10 Alternatif ChatGPT Termurah di 2026: model lokal gratis, tingkat gratis, dan paket tarif tetap

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Gemma 4 31B IT Turbo adalah model multimodal dari Google DeepMind yang menerima input teks dan gambar serta menghasilkan teks. Model ini berada di kisaran ukuran menengah dari keluarga Gemma 4 dan memiliki jendela konteks 262.144 token. Dengan harga kurang dari sepuluh sen per juta token input, model ini dirancang untuk penggunaan volume besar, sehingga layak dipertimbangkan jika Anda membutuhkan visi plus penalaran konteks panjang tanpa tagihan API besar.

Dikenal untuk

Jendela konteks 262.144 token — menangani dokumen sangat panjang dalam satu kali proses.
Menerima input gambar bersama teks, mencakup tugas multimodal.
Harga input rendah $0,09 per juta token menjaga biaya tetap terkendali dalam skala besar.
Bagian dari keluarga Gemma 4 Google DeepMind, dibangun untuk cakupan tugas luas.

Waspadai

Bobot tidak tersedia secara publik; Anda terikat pada API, tidak bisa deploy lokal.
Token output harganya hampir empat kali lipat dari token input — perhatikan panjang generasi di produksi.

Terbaik untuk

Prompt untuk dicoba

Analisis dokumen padat

Ini adalah kontrak panjang. Identifikasi setiap klausul yang membatasi tanggung jawab, ringkas apa yang dikatakan masing-masing dalam bahasa Inggris sederhana, dan tandai yang tidak biasa atau berat sebelah. Sebutkan nomor bagian secara spesifik.

Deskripsikan dan analisis gambar

Saya melampirkan tangkapan layar dashboard data. Daftar setiap metrik yang ditampilkan, catat yang tampak anomali dibandingkan yang lain, dan usulkan dua kemungkinan penjelasan untuk setiap anomali.

Masalah penalaran multi-langkah

Sebuah gudang mengirim 240 pesanan per hari dalam tiga shift dengan durasi sama. Shift pagi menangani 40% pesanan, shift sore 35%, dan shift malam sisanya. Jika shift malam menambah satu pekerja dan output naik 15%, berapa pesanan yang sekarang diproses shift malam, dan berapa total harian baru?

Bandingkan dengan

Gemini 3.8 Flash
Model hanya API
konteks 1,048,576 token · $0.83/M input, $4.12/M output
Gemini 3 Flash Preview
Model hanya API
konteks 1,048,576 token · $0.50/M input, $3.00/M output
Gemini 2.5 Flash Lite
Model hanya API
konteks 1,048,576 token · $0.10/M input, $0.40/M output
Gemini 3.1 Flash Lite
Model hanya API
konteks 1,048,576 token · $0.25/M input, $1.50/M output

Model teks lain dari google

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Gemma 4 31B IT Turbo secara lokal?: Tidak. Bobotnya tidak dirilis secara publik, jadi hanya tersedia melalui API — Anda tidak bisa mengunduh atau meng-host sendiri.
Berapa biayanya dan berapa panjang konteksnya?: Harga $0,09 per juta token input dan $0,34 per juta token output, dengan jendela konteks 262.144 token.
Apa bedanya dengan model Gemma 4 lainnya?: Google belum menerbitkan perbandingan rinci antar varian Gemma 4, tapi label Turbo biasanya menandakan optimasi kecepatan atau efisiensi dalam keluarga model.

Putusan Kapten
Titik masuk yang benar-benar murah untuk tugas visi konteks panjang — hanya ingat Anda menyewanya, bukan memilikinya.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Cara memasang

Cara Menginstal Ollama dan Menjalankan AI Lokal (Windows, Mac, Linux)

Model Serupa

Model AI untuk Pembuatan Gambar, Video & Teks

Gemma 4 31B it turbo adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm google visi penalaran konteks panjang anggaran

Jelajahi berdasarkan Keluarga Model