Kan jag köra Gemma 4 31B IT Turbo lokalt?

Nej. Vikterna är inte offentligt släppta, så det är endast API – du kan inte ladda ner eller köra den själv.

Vad kostar det och hur långt är kontextfönstret?

Priset är 0,09 USD per miljon inmatningstokens och 0,34 USD per miljon utmatningstokens, med ett kontextfönster på 262 144 tokens.

Hur skiljer sig denna från andra Gemma 4-modeller?

Google har inte publicerat en detaljerad jämförelse mellan Gemma 4-varianter, men Turbo-märkningen signalerar vanligtvis en hastighets- eller effektivitetsoptimering inom en modelfamilj.

Gemma 4 31B it turbo

4653°

#llm #google #vision #resonemang #lång kontext #budget

Öppna DeepInfra

google | 262,144 token kontext | $0.09/M input, $0.34/M output. Gemma är en familj av öppna modeller byggda av Google DeepMind. Gemma 4-modellerna är multimodala, hanterar text- och bildinmatning och genererar textutmatning.

Guider för denna modell

De 10 billigaste ChatGPT-alternativen 2026: gratis lokala modeller, gratisnivåer och fastprisplaner

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Vad är en GGUF-fil? Förklaringar av kvantiserade modeller (Q4, Q8, fp8, NF4)

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Gemma 4 31B IT Turbo är en multimodal modell från Google DeepMind som tar text- och bildinmatning och returnerar text. Den ligger i mellanstorleksintervallet i Gemma 4-familjen och har ett kontextfönster på 262 144 tokens. Med ett pris under tio cent per miljon inmatningstokens är den prissatt för volymanvändning, vilket gör den värd att titta på om du behöver syn plus långkontextresonemang utan en stor API-räkning.

Känd för

262 144 tokens kontextfönster – hanterar mycket långa dokument i ett svep.
Accepterar bildinmatning tillsammans med text, för multimodala uppgifter.
Lågt inmatningspris på 0,09 USD per miljon tokens håller kostnaderna hanterbara i stor skala.
Del av Google DeepMinds Gemma 4-familj, byggd för bred uppgiftstäckning.

Se upp för

Vikterna är inte offentligt tillgängliga; du är bunden till API:et, ingen lokal distribution.
Utmatningstokens kostar nästan fyra gånger så mycket som inmatning – håll koll på genereringslängden i produktion.

Bäst för

Promptar att prova

Analysera ett tätt dokument

Här är ett långt kontrakt. Identifiera varje klausul som begränsar ansvar, sammanfatta vad varje säger på enkel engelska och markera eventuella som är ovanliga eller ensidiga. Var specifik med avsnittsnummer.

Beskriv och resonera om en bild

Jag bifogar en skärmdump av en datatavla. Lista varje mätvärde som visas, notera eventuella som verkar avvikande jämfört med de andra och föreslå två möjliga förklaringar för varje avvikelse.

Flerstegs resonemangsproblem

Ett lager skickar 240 order per dag över tre skift av lika längd. Morgonskiftet hanterar 40 % av orderna, eftermiddagsskiftet 35 % och nattskiftet resten. Om nattskiftet lägger till en arbetare och produktionen ökar med 15 %, hur många order hanterar nattskiftet nu, och vad är den nya dagliga totalen?

Jämför med

Gemini 3.8 Flash
Endast API-modell
1,048,576 tokens kontext · $0.83/M indata, $4.12/M utdata
Gemini 3 Flash Preview
Endast API-modell
1,048,576 tokens kontext · $0.50/M indata, $3.00/M utdata
Gemini 2.5 Flash Lite
Endast API-modell
1,048,576 tokens kontext · $0.10/M indata, $0.40/M utdata
Gemini 3.1 Flash Lite
Endast API-modell
1,048,576 tokens kontext · $0.25/M indata, $1.50/M utdata

Fler textmodeller från google

Vanliga frågor

Kan jag köra Gemma 4 31B IT Turbo lokalt?: Nej. Vikterna är inte offentligt släppta, så det är endast API – du kan inte ladda ner eller köra den själv.
Vad kostar det och hur långt är kontextfönstret?: Priset är 0,09 USD per miljon inmatningstokens och 0,34 USD per miljon utmatningstokens, med ett kontextfönster på 262 144 tokens.
Hur skiljer sig denna från andra Gemma 4-modeller?: Google har inte publicerat en detaljerad jämförelse mellan Gemma 4-varianter, men Turbo-märkningen signalerar vanligtvis en hastighets- eller effektivitetsoptimering inom en modelfamilj.

Kaptens omdöme
En verkligt billig ingångspunkt för långkontext-synuppgifter – kom bara ihåg att du hyr den, inte äger den.

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Hur man installerar

Hur man installerar Ollama och kör en lokal AI (Windows, Mac, Linux)

11 okt 2026

Öppna DeepInfra

Liknande modeller

Llama 3.1 Nemotron 70B Instruct

AI-modeller för bild-, video- och textgenerering

Gemma 4 31B it turbo är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm google vision resonemang lång kontext budget

Bläddra efter modellfamilj