Gemma 4 31B

Überblick

Gemma 4 31B ist das dichte Flaggschiff der Gemma-4-Familie von Google DeepMind. Es ist ein echtes Reasoning-Modell mit explizitem Chain-of-Thought – ungewöhnlich für ein offenes 31B-Modell – und verarbeitet Text und Bild als Eingabe.

Use Cases

• Multimodale Aufgaben mit Text- und Bildeingabe
• Reasoning in Wissenschaft und Technik (GPQA Diamond 84–86 %)
• Instruction Following (IFBench 75,6 %)
• Long-Context-Workflows bis 256K Tokens, lokal lauffähig

Stärken & Grenzen

Stärken: Reasoning und Multimodalität in einem kompakten, lokal lauffähigen Modell. Großes Kontextfenster (256K, gegenüber 128K beim Vorgänger). Permissive Apache-2.0-Lizenz statt der früheren Gemma-Lizenz. In der Chatbot Arena mit 1451 Elo (Text Overall) und 1498 im Coding-Teilranking das stärkste Gemma-Modell.

Grenzen: Niedrige AA-Omniscience-Werte – Accuracy 19,9 %, Halluzinationsrate 81,6 % (Non-Hallucination-Rate 18,4 %). Bei hochkomplexen agentischen und wissenschaftlichen Aufgaben bleibt wenig übrig: CritPt 1,4 %, 𝜏³-Banking 15,1 %, Terminal-Bench Hard 36,4 %. Ausgabe nur Text, kein Audio-Encoder.

Praxis-Erfahrung

Reines Open-Weights-/Self-Host-Modell ohne First-Party-API-Listenpreis (AA: $0,00). Drittanbieter verlangen $0,13–0,14 je 1M Input und $0,38–0,40 je 1M Output (DeepInfra, SiliconFlow FP8, Parasail); der niedrigste blended Preis liegt bei $0,08. Gewichte als google/gemma-4-31B-it auf Hugging Face.

Hinweis zur Videoeingabe: Googles Architektur-Tabelle nennt für das 31B „Text, Image" – kein Video und kein Audio-Encoder. Nur Artificial Analysis behauptet in Launch-Artikel und X-Post, alle Gemma-4-Modelle nähmen Video entgegen; LLM Reference hat das übernommen. Diese Card folgt Googles Spezifikationstabelle und führt Video daher nicht als Eingabemodalität.

Gut zu wissen

• Lizenz: Apache-2.0 (kommerziell frei); Release 31.03.2026 laut Googles Releases-Seite (die verbreitete Angabe 02.04.2026 ist das Datum des Launch-Blogs)
• Architektur: Dense, 30,7B; Kontext 256K; Vision-Encoder ~550M, kein Audio
• Ausgabe-Tokens im AA-Intelligence-Index-Lauf: 38–39M (Reasoning), 7,1M ohne Reasoning
• Weitere Artificial-Analysis-Werte ohne Eintrag in der Score-Tabelle: 𝜏³-Banking 15,1 %, CritPt 1,4 %, AA-Omniscience Accuracy 19,9 %, Non-Hallucination Rate 18,4 %, AA-Briefcase 364 Elo

Weitere Benchmarks (Zusatzquellen)

Weitere berichtete Werte, für die in der Score-Tabelle oben kein Eintrag vorliegt.

Quelle: Google DeepMind (offizielle Model Card, HF) – Spalte Gemma 4 31B:

• AIME 2026 (ohne Tools) 89,2 % · Codeforces Elo 2150 · HLE ohne Tools 19,5 % · HLE mit Suche 26,5 %
• BigBench Extra Hard 74,4 % · MATH-Vision 85,6 % · MedXPertQA MM 61,3 %
• OmniDocBench 1.5 0,131 · MRCR v2 8-needle 128k 66,4 % · Tau2 (Ø über 3) 76,9 %

Quelle: Artificial Analysis – Index-Versionsbruch beachten: Intelligence Index 39 im Launch-Artikel (06.04.2026), 29 auf der aktuellen Modellseite (Index v4.1, seit 15.06.2026). Dasselbe Modell, nicht vergleichbare Skalen. Ohne Reasoning: 32. Coding-Index 43,4 · Agentic-Index 48,2 · Terminal-Bench Hard 36,4 % · GDPval-AA 783–804 Elo (v1-Skala, nicht mit GDPval-AA v2 mischen)

Quelle: Arena (LMArena), Stand 01.08.2026: Coding-Elo 1498 · Hard-Prompts-Elo 1473 · Math-Elo 1470 · Instruction-Following-Elo 1453 (Text-Overall-Elo 1451 steht oben in der Score-Tabelle).

Quelle: BenchLM, weitere Benchmarks: SWE-Rebench 41,6 % (pass@1, best of 5) · React Native Evals 75,2 % · Gert Labs Composite Game Benchmark 35,3 %