Gemma 4 31Bをローカルで実行できますか？

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.

このモデルのガイド

OllamaのインストールとローカルAIの実行方法（Windows、Mac、Linux）

Ollama vs LM Studio (2026)：どのローカルAIアプリを使うべきか、それぞれが動かすトップモデルは？

2026年10月のAIモデルの選び方：クローズドソースの最新情報とダウンロードすべきオープンウェイトモデル

ローカルAIに実際どれくらいのVRAMが必要？

GGUFファイルとは？量子化モデルの解説（Q4、Q8、fp8、NF4）

すべてのガイド

キャプテンのメモ

Captainによる、ハウスエディター執筆

2026-10-13のメモ

Gemma 4 31BはGoogle DeepMindの307億パラメータの密結合マルチモーダルモデルで、テキストと画像を入力しテキストを出力、256Kトークンのコンテキストウィンドウを持ちます。Apache 2.0ライセンスのオープンウェイトで、実際に自分で動かせる寛容な大型モデルの一つです。閉鎖APIに依存せず、強力なコーディング、推論、文書理解を求める開発者や研究者に適しています。

得意分野

256Kトークンのコンテキストウィンドウで長文やコードベースに有用
思考モードを調整して推論の深さを変更可能
ネイティブの関数呼び出し機能を内蔵
140以上の言語に対応
Apache 2.0ライセンスで商用利用、ファインチューニング、再配布が可能

注意点

このサイズは画像とテキスト入力のみ対応。音声入力は小型のE2B、E4B、12Bモデルに限定。
307億の密結合パラメータはローカル実行に高いVRAMを要求し、24GBのGPUが最低ライン。
API料金は低めだが無料ではなく、セルフホスティングはハードウェアコストがかかる。

最適な用途

試してみるプロンプト

難解な非同期バグのデバッグ

Pythonの非同期関数で時折「イベントループが閉じられている」というRuntimeErrorが発生します。原因を推測し、イベントループのライフサイクルを正しく扱うように関数を書き直し、変更点と修正理由を説明してください。

論理パズルの推論

5人のエンジニアが月曜から金曜まで連続してプロジェクトに参加します。AlexはDanaより前に参加し、CaseyはBlakeの後でElliotの前に参加します。Danaは水曜日に参加し、Blakeは月曜日ではありません。参加順序はどうなり、どのように推理しましたか？ステップごとに説明してください。

ドキュメントから構造抽出

技術仕様のPDFを添付します。すべての要求事項を抽出し、固有IDを付け、機能要件か非機能要件か分類し、id、text、type、sectionのフィールドを持つJSON配列で返してください。

比較する

Gemini 3.8 Flash
API専用モデル
1,048,576トークンのコンテキスト · $0.83/M 入力、$4.12/M 出力
Gemini 3 Flash Preview
API専用モデル
1,048,576トークンのコンテキスト · $0.50/M 入力、$3.00/M 出力
Gemini 2.5 Flash Lite
API専用モデル
1,048,576トークンのコンテキスト · $0.10/M 入力、$0.40/M 出力
Gemini 3.1 Flash Lite
API専用モデル
1,048,576トークンのコンテキスト · $0.25/M 入力、$1.50/M 出力

googleの他のテキストモデル

よくある質問

Gemma 4 31Bをローカルで実行できますか？: はい。Apache 2.0ライセンスのオープンウェイトで、Hugging Faceのgoogle/gemma-4-31B-itから入手可能です。ただし307億の密結合パラメータ数のため、かなりのVRAMが必要です。
料金とコンテキスト長は？: API経由で入力100万トークンあたり0.09ドル、出力100万トークンあたり0.34ドルで、256Kトークンのコンテキストウィンドウがあります。
31Bモデルは他のGemma 4サイズとどう違いますか？: 31BはGemma 4ファミリーで最大の密結合モデルで、12Bと同じ256Kトークンのコンテキストウィンドウを持ちますが、小型モデルと異なり音声入力には対応せず、テキストと画像のみ対応しています。

キャプテンの評価
長文対応と高度な推論を備えた真にオープンで商用利用可能な30Bモデルは稀少で、注目に値します。

Hugging Faceのモデルカード

キャプテンはモデルの説明とモデルカードからこれらのメモを書いています。価格やコンテキストサイズは執筆時点の提供元のもので、変更されることがあります。

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

Gemma 4 31B の人気トレンド

2 Apr 2026以降のヒートスコア

ヒートスコア

8,875°

今週

▲

33.0%

8,837° 当時、8,875° 今

今月

▲

267%

8,702° 当時、8,875° 今

過去1年

n/a

まだリリース/追跡されていません

7,000°

基準値

スケールは0°から9,999°までです。7,000°未満はまだどのソースも報告していないモデル用に確保されており、リストを完全に保つために仮の数値が割り当てられています。7,000°が実際のデータが始まる地点で、実データがほとんどないモデルはここに位置し、それより上の度数が測定値です。基準値自体はモデルについて何も示さず、上の度数だけがモデル間の違いを示します。

+1,583°

OpenRouterトークン

このモデルは過去30日間にOpenRouter経由で1,892,201,174,485トークンを処理しました。プロンプトと回答の合計です。10,000,000トークンごとに1ダウンロードとしてカウントし、合計189,220です。最終日のトークンは採用率に加算されます。出典：OpenRouter (openrouter.ai/rankings)。

+292°

普及率

ソースの2回の読み取り間で測定された1日あたり約7,725回のダウンロードです。生涯平均からの推測ではありません。速度はダウンロード項目の4分の1の重みで、新しい急増を示しつつ、1日の急激な増加が何年もの使用を上回らないようにしています。

詳細な内訳を表示

このサイトのすべての数字は確認できます。このモデルのヒートスコアは8,875°で、ここでは一つずつ要素を積み上げていき、各段階の合計を示しています：基準値、各ソースが加える度数、モデルの種類によるボーナス、そして重みの年齢による減算。色は上のチャートの帯を表しています。最後の用語集で全ての用語を定義しています。

1
基準値から始めます。
なぜ7,000°でゼロではないのか：スケールは0°から9,999°までで、7,000°未満はまだどのソースも報告していないモデル用に確保されており、仮の数値が割り当てられてリストを完全に保ち、データのあるモデルより上位にならないようにしています。7,000°が実際のデータが始まる地点です。実データがほとんどないモデルはここに位置し、それ以降が測定値で、基準値の上には10段階の10倍増が300°ずつあります。基準値はすべてのモデルで同じなので、何も決めません。違いを決めるのはその上の度数です。
7,000°
累計合計
2
ダウンロード数を加算します。
合計でOpenRouterトークンから189,220のダウンロード相当数。ダウンロード数が10倍になると同じ300°が加算されるので、サイズは重要ですがスコアを独占することはありません。
+1,583°
8,583°
累計合計
3
普及率を追加します。
現在、2回の計測間で約7,725ダウンロード/日で、重みは4分の1です。
+292°
8,875°
累計合計
=
ヒートスコア。
このモデルがこのサイトのすべてのリストでどの位置にいるか。これ以外の調整はありません。
8,875°

用語集：ここで使われている用語

ヒートスコア: モデルが今どれだけ使われていて求められているかを示す1つの数字。0°から9,999°まで。ここで「最も熱い」と言われるすべてのリストはこれで並べられています。
フロア: 実データのあるすべてのモデルが7,000°からスタートする基準点。スケールは0°から9,999°までで、フロア以下はデータのないモデル用に確保されているので、データのあるモデルは必ず上位になります。フロアは全員共通で順位には影響しません。フロアを超えた度数が実際の評価です。
ダウンロード相当数: スコアがダウンロードとして扱うすべてのものを合計：ダウンロードそのもの、各トレントシーダーは1,000、各AI Horde画像と生成サイトでの実行は1としてカウント。
対数スケール: 1ずつではなく10ずつ数えます：1,000から10,000ダウンロードに増えるのは、10,000から100,000に増えるのと同じ度数を加算。巨大なものが他を圧倒しないようにしています。
いいね: すべてのソースからのサムズアップといいね。対数スケールでダウンロードの半分の価値があります。
普及率: 2回の計測の差からわかる、今の1日あたりのダウンロード数。ダウンロード項目の4分の1の重みです。
測定済みと推定: 測定済みは、あるソースの2つの読み取り値が存在し、その差が実際のものであることを意味します。推定は、今日の合計だけがわかっていて、過去の値はモデルの寿命にわたって分配されていることを意味します。サイトはどちらを表示しているかを示します。
シーダー: トレント経由で他の人がダウンロードできるように重みのコピーをオンラインで保持している人、または同じことをするホストされたミラーのことです。それぞれが1,000ダウンロードとしてカウントされます。
AI Horde: 寄付されたコンピューターで無料で画像を生成するボランティアネットワークです。モデルで作成した画像の数は公開されており、それぞれが1ダウンロードとしてカウントされます。
生成サイト: PixAI、SeaArt、Yodayoのように、自分のモデルのコピーをホストして人々が生成できるサイトです。これらのダウンロードはCivitaiのものと同じようにカウントされ、各生成実行が1ダウンロードとして数えられます。
OpenRouterトークン: ClaudeやGPTのようなAPI経由で提供されるテキストモデルはダウンロードする重みがなく、その利用はトークン数で測定されます。トークンとはOpenRouterを通じて読み書きされたテキストの断片で、OpenRouterは多くのアプリが利用するゲートウェイです。過去30日間のトークン数を10,000,000トークンごとに1ダウンロードとしてカウントします。出典：OpenRouter (openrouter.ai/rankings)、CC BY 4.0。
完全モデル（チェックポイント）: 重みそのもので、単独で生成を行うファイルです。アドオンがこれに依存しているためボーナスがつきます。
LoRAと埋め込み: 他人の重みを特定のスタイル、キャラクター、コンセプトに向けて調整する小さなアドオンファイルです。単独では動作しません。
ファミリーと重み: モデルが基づいているベースで、SD 1.5、SDXL、Flux、Wanなどがあります。すべてのモデルはそのファミリーの重みのリリース日を継承します。
年齢: ファミリーの重みがリリースされてからの経過時間に応じて減点されます：1年で150°、最大750°まで。古いダウンロードはリストの上位を凍結して積み上げられます。
ファミリーブースト: このサイトが現在推しているファミリーのLoRAに対する小さく制限された後押しで、常に内訳に表示されます。
代替スコア: まだソースから報告がないモデルに与えられる安定した最低値で、リストが完全なままでいられます。データのあるモデルより上位には決してなりません。
新着！(猶予期間): 7日未満の新しいモデルはスコアの代わりに「新着！」と表示され、ランキングには入りません。スコアは初日から計算されますが、1日目のモデルは非常に急速に成長するため、猶予期間なしでは常に昨日リリースされたモデルが今週の#1になってしまいます。
トレンド: ある期間におけるモデルの成長が、同じ期間の典型的なモデルの成長と比べてどうかを示します。典型より速ければ上昇、遅ければ下降と読みます。
典型的なモデル: カタログの真ん中にあたるモデルで、数値があるモデルの半分はこの期間により速く成長し、半分は遅く成長しています。

このモデルの人気がカタログ全体と比べてどう動いたかを示してるよ。期間ごとのダウンロード数、いいね数、使用数の伸びを、同じ期間の普通のモデルの伸びと比べてる。熱スコアもその時点のものだよ。普通の伸びより上なら人気が上がってる、下なら下がってるってこと。過去のデータは今日の合計、モデルの初日、ダウンロード速度の2回の計測から再構成してる。期間の初めに存在しなかったモデルはn/aになるよ。