Gemma 4 31B
8875°
इस मॉडल को चलाएं
ऑफर / विज्ञापन
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.
इस मॉडल के लिए गाइड
Ollama कैसे इंस्टॉल करें और लोकल AI चलाएं (Windows, Mac, Linux)
Ollama बनाम LM Studio (2026): कौन सा लोकल AI ऐप इस्तेमाल करें, और कौन से टॉप मॉडल कौन चलाता है
उपयोग के अनुसार सर्वश्रेष्ठ स्थानीय LLM (अक्टूबर 2026): हर काम के लिए सही खुला मॉडल
अक्टूबर 2026 में AI मॉडल कैसे चुनें: बंद स्रोत समाचार, फिर डाउनलोड करने योग्य खुले वज़न
स्थानीय AI के लिए मुझे वास्तव में कितनी VRAM चाहिए?
GGUF फ़ाइल क्या है? क्वांटाइज़्ड मॉडल समझाया (Q4, Q8, fp8, NF4)
कैप्टन के नोट्स
2026-10-13 के नोट्स
Gemma 4 31B गूगल डीपमाइंड का 30.7B डेंस मल्टीमॉडल मॉडल है, जो टेक्स्ट और छवि इनपुट लेता है और टेक्स्ट आउटपुट देता है, साथ ही 256K टोकन संदर्भ विंडो है। Apache 2.0 के तहत खुले वज़न इसे उन बड़े मॉडलों में से एक बनाते हैं जिन्हें आप वास्तव में स्वयं चला सकते हैं। यह डेवलपर्स और शोधकर्ताओं के लिए उपयुक्त है जो मजबूत कोडिंग, तर्क, और दस्तावेज़ समझ चाहते हैं बिना बंद API निर्भरता के।
के लिए जाना जाता है
- 256K टोकन संदर्भ विंडो, जो लंबे दस्तावेज़ों और कोडबेस के लिए उपयोगी है।
- समायोज्य सोच मोड जो तर्क की गहराई को ऊपर या नीचे कर सकता है।
- नेटिव फंक्शन कॉलिंग अंतर्निहित, बाहरी नहीं।
- 140+ भाषाओं में बहुभाषी।
- Apache 2.0 लाइसेंस: व्यावसायिक उपयोग, फाइन-ट्यूनिंग, पुनर्वितरण सभी अनुमत।
सावधान रहें
- इस आकार में केवल छवि और टेक्स्ट इनपुट; ऑडियो छोटे E2B, E4B, और 12B वेरिएंट्स के लिए आरक्षित है।
- 30.7B डेंस वज़न स्थानीय रूप से चलाने के लिए गंभीर VRAM की मांग करते हैं — 24 GB कार्ड यथार्थवादी न्यूनतम है।
- API मूल्य कम है लेकिन मुफ्त नहीं; स्वयं होस्ट करने पर लागत हार्डवेयर पर आती है।
के लिए सबसे अच्छा
प्रयास करने के लिए प्रॉम्प्ट
एक जटिल async बग का डिबग करें
यहाँ एक Python async फ़ंक्शन है जो कभी-कभी RuntimeError उठाता है कि इवेंट लूप बंद हो गया है। बताइए कि इसका कारण क्या हो सकता है, फिर फ़ंक्शन को इस तरह पुनः लिखिए कि यह इवेंट लूप जीवनचक्र को सही ढंग से संभाले। प्रत्येक बदलाव समझाइए और बताइए कि यह समस्या कैसे ठीक करता है।
एक तर्क पहेली के माध्यम से तर्क करें
पाँच इंजीनियर सोमवार से शुक्रवार तक लगातार दिनों में एक परियोजना में शामिल होते हैं। एलेक्स डाना से पहले शामिल होता है। केसि ब्लेक के बाद लेकिन इलियट से पहले शामिल होता है। डाना बुधवार को शामिल होता है। ब्लेक सोमवार को शामिल नहीं होता। वे किस क्रम में शामिल हुए, और आपने इसे चरण-दर-चरण कैसे निकाला?
दस्तावेज़ से संरचना निकालें
मैं एक घना तकनीकी विनिर्देशन PDF संलग्न कर रहा हूँ। हर आवश्यकता कथन निकालें, प्रत्येक को एक अद्वितीय ID दें, इसे कार्यात्मक या गैर-कार्यात्मक के रूप में वर्गीकृत करें, और परिणामों को JSON सरणी के रूप में लौटाएं जिसमें फ़ील्ड: id, text, type, और section हों।
की तुलना करें
- Gemini 3.8 Flashकेवल API मॉडल1,048,576 टोकन संदर्भ · $0.83/M इनपुट, $4.12/M आउटपुट
- Gemini 3 Flash Previewकेवल API मॉडल1,048,576 टोकन संदर्भ · $0.50/M इनपुट, $3.00/M आउटपुट
- Gemini 2.5 Flash Liteकेवल API मॉडल1,048,576 टोकन संदर्भ · $0.10/M इनपुट, $0.40/M आउटपुट
- Gemini 3.1 Flash Liteकेवल API मॉडल1,048,576 टोकन संदर्भ · $0.25/M इनपुट, $1.50/M आउटपुट
google से और टेक्स्ट मॉडल
लोग जो सवाल पूछते हैं
- क्या मैं Gemma 4 31B को स्थानीय रूप से चला सकता हूँ?
- हाँ — वज़न Apache 2.0 के तहत खुले हैं और Hugging Face पर google/gemma-4-31B-it पर उपलब्ध हैं, इसलिए आप इन्हें डाउनलोड कर स्वयं चला सकते हैं, हालांकि 30.7B डेंस पैरामीटर संख्या के कारण आपको पर्याप्त VRAM की आवश्यकता होगी।
- इसकी कीमत क्या है और संदर्भ विंडो कितनी लंबी है?
- API के माध्यम से इसका मूल्य $0.09 प्रति मिलियन इनपुट टोकन और $0.34 प्रति मिलियन आउटपुट टोकन है, संदर्भ विंडो 256K टोकन की है।
- 31B अन्य Gemma 4 आकारों से कैसे अलग है?
- 31B Gemma 4 परिवार का सबसे बड़ा डेंस मॉडल है और 12B के साथ 256K संदर्भ विंडो साझा करता है, लेकिन छोटे वेरिएंट्स के विपरीत यह ऑडियो इनपुट का समर्थन नहीं करता — केवल टेक्स्ट और छवियाँ।
कैप्टन का निर्णयएक वास्तव में खुला, व्यावसायिक रूप से उपयोगी 30B मॉडल लंबी संदर्भ और वास्तविक तर्क गहराई के साथ — इतना दुर्लभ कि आपकी ध्यान देने योग्य है।
Hugging Face पर मॉडल कार्ड
कैप्टन ये नोट्स मॉडल के अपने विवरण और मॉडल कार्ड से लिखता है। कीमतें और संदर्भ आकार लेखन के समय प्रदाता के हैं और बदल सकते हैं।
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.
Also ranked: #41 Hottest Text / LLM model · #41 Hottest Text / LLM text model
Not this creator?
Get your own badge
Gemma 4 31B लोकप्रियता रुझान
2 Apr 2026 से हीट स्कोर
हीट स्कोर
8,875°
इस सप्ताह
▲
33.0%
8,837° तब, 8,875° अब
इस महीने
▲
267%
8,702° तब, 8,875° अब
पिछला साल
n/a
अभी जारी/ट्रैक नहीं हुआ
7,000°
फर्श
स्केल 0° से 9,999° तक चलता है। 7,000° से नीचे सब उन मॉडलों के लिए रखा गया है जिन पर अभी तक कोई स्रोत रिपोर्ट नहीं करता, जो वहाँ एक स्टैंड-इन नंबर रखते हैं ताकि सूचियाँ पूरी रहें। 7,000° वह जगह है जहाँ मापा गया डेटा शुरू होता है: एक मॉडल जिसके पास असली डेटा है लेकिन लगभग कोई डाउनलोड नहीं है, वह फर्श पर बैठता है, और माप ऊपर के डिग्री भरते हैं। फर्श मॉडल के बारे में कुछ नहीं कहता; केवल ऊपर के डिग्री कहते हैं, और वही एक मॉडल को दूसरे से अलग करते हैं।
+1,583°
OpenRouter टोकन
पिछले 30 दिनों में इस मॉडल ने OpenRouter के माध्यम से 1,892,201,174,485 टोकन संसाधित किए, प्रॉम्प्ट और उत्तर दोनों मिलाकर। हर 10,000,000 टोकन डाउनलोड अवधि में एक डाउनलोड के रूप में गिने जाते हैं, कुल 189,220; अंतिम दिन के टोकन अपनाने की दर में शामिल होते हैं। स्रोत: OpenRouter (openrouter.ai/rankings)।
+292°
अपनाने की दर
लगभग 7,725 डाउनलोड प्रति दिन, स्रोतों के दो रीडिंग के बीच मापा गया, कभी भी जीवनकाल औसत से अनुमानित नहीं। स्पीड डाउनलोड टर्म का एक चौथाई वजन रखती है, इसलिए एक ताजा उछाल दिखता है बिना एक दिन के स्पाइक को वर्षों के उपयोग से ऊपर रखे।
विस्तृत विवरण दिखाओ
इस साइट पर हर नंबर की जांच की जा सकती है। इस मॉडल का हीट स्कोर 8,875° है, और इसे एक-एक घटक के हिसाब से बनाया गया है, हर एक के बाद कुल योग के साथ: फर्श, हर स्रोत द्वारा जोड़े गए डिग्री, मॉडल के प्रकार के लिए बोनस और इसके वज़न की उम्र जो घटाती है। रंग ऊपर के चार्ट के बैंड हैं। अंत में शब्दावली हर शब्द को परिभाषित करती है।
- 1फर्श से शुरू करें।क्यों 7,000° और शून्य नहीं: स्केल 0° से 9,999° तक चलता है, और 7,000° से नीचे का हिस्सा उन मॉडलों के लिए आरक्षित है जिन पर अभी तक कोई स्रोत रिपोर्ट नहीं करता, जो वहाँ एक स्टैंड-इन नंबर रखते हैं ताकि सूचियाँ पूरी रहें और कभी भी डेटा वाले मॉडल से ऊपर न रहें। 7,000° वह जगह है जहाँ मापा गया डेटा शुरू होता है। एक मॉडल जिसके पास असली डेटा है लेकिन लगभग कोई डाउनलोड नहीं है, वह यहाँ बैठता है; इसके बाद सब माप है, और फर्श के ऊपर जगह में दस दस गुना कदम होते हैं, हर एक 300° के। फर्श हर मॉडल के लिए एक जैसा है, इसलिए यह कुछ तय नहीं करता; ऊपर के डिग्री तय करते हैं।7,000°चल रहा कुल
- 2डाउनलोड जोड़ें।कुल 189,220 डाउनलोड-बराबर, OpenRouter टोकन से। दस गुना डाउनलोड से वही 300° बढ़ता है, इसलिए साइज मायने रखता है लेकिन स्कोर को कभी भी ज्यादा नहीं बढ़ाता।+1,583°8,583°चल रहा कुल
- 3अपनाने की दर जोड़ो।अभी लगभग 7,725 डाउनलोड रोज़ाना, दो माप के बीच मापा गया, जो वजन का एक चौथाई है।+292°8,875°चल रहा कुल
- =हीट स्कोर।इस मॉडल का इस साइट की हर सूची में स्थान। इसे कुछ और नहीं बदलता।8,875°
शब्दावली: यहाँ इस्तेमाल हुए शब्द
- हीट स्कोर
- एक नंबर जो बताता है कि मॉडल अभी कितना इस्तेमाल हो रहा है और कितना पसंद किया जा रहा है, 0° से 9,999° तक। इस साइट की हर 'सबसे गर्म' सूची इसी के हिसाब से सॉर्ट होती है।
- फ्लोर
- 7,000° जो हर मॉडल को असली डेटा के साथ मिलता है। स्केल 0° से 9,999° तक चलता है; फ्लोर से नीचे का हिस्सा बिना डेटा वाले मॉडल के लिए रखा गया है, ताकि डेटा वाला मॉडल हमेशा ऊपर रहे। फ्लोर सबके लिए एक जैसा है और कुछ तय नहीं करता; इससे ऊपर के डिग्री माप हैं।
- डाउनलोड-बराबर
- स्कोर जो कुछ भी डाउनलोड मानता है, उसका जोड़: खुद डाउनलोड, हर टोरेंट सीडर को 1,000, हर AI Horde इमेज और हर जनरेशन साइट पर रन को 1 माना जाता है।
- लॉग स्केल
- दस के हिसाब से गिनती, एक-एक करके नहीं: 1,000 से 10,000 डाउनलोड जाना उतना ही डिग्री बढ़ाता है जितना 10,000 से 100,000 जाना। इससे बड़े मॉडल बाकी सबको दबाते नहीं।
- लाइक्स
- हर स्रोत से अंगूठा ऊपर और लाइक्स, जो लॉग स्केल पर आधे डाउनलोड के बराबर हैं।
- अपनाने की दर
- अभी मॉडल को रोजाना कितने डाउनलोड मिल रहे हैं, दो माप के बीच के अंतर से। डाउनलोड के वजन का एक चौथाई।
- मापा और अनुमानित
- मापा मतलब किसी स्रोत के दो रीडिंग मौजूद हैं और उनका अंतर असली है। अनुमानित मतलब केवल आज का कुल पता है और पिछला डेटा मॉडल के जीवनकाल में फैला हुआ है; साइट बताती है कि कौन सा दिखा रही है।
- सीडर
- कोई जो वज़न की कॉपी ऑनलाइन रखता है ताकि दूसरे टोरेंट के जरिए डाउनलोड कर सकें, या होस्टेड मिरर जो ऐसा करता है। हर एक को 1,000 डाउनलोड माना जाता है।
- AI हॉरड
- एक स्वयंसेवी नेटवर्क जो दान किए गए कंप्यूटरों पर मुफ्त में इमेज बनाता है। किसी मॉडल के साथ बनाई गई इमेज की संख्या सार्वजनिक होती है, और हर एक को एक डाउनलोड माना जाता है।
- जनरेशन साइट्स
- ऐसी साइट्स जो अपने मॉडल की कॉपी होस्ट करती हैं और लोगों को उससे जनरेट करने देती हैं, जैसे PixAI, SeaArt और Yodayo। इनके डाउनलोड Civitai की तरह गिने जाते हैं और हर जनरेशन रन को एक डाउनलोड माना जाता है।
- OpenRouter टोकन
- Claude या GPT जैसे API के माध्यम से सेवा प्राप्त टेक्स्ट मॉडल के लिए डाउनलोड करने के लिए कोई वज़न नहीं होता, इसलिए इसका उपयोग टोकन में मापा जाता है: वे टेक्स्ट के टुकड़े जो इसने OpenRouter के माध्यम से पढ़े और लिखे, जो कई ऐप्स द्वारा उपयोग किया जाने वाला एक गेटवे है, पिछले 30 दिनों में। हर 10,000,000 टोकन एक डाउनलोड के रूप में गिने जाते हैं। स्रोत: OpenRouter (openrouter.ai/rankings), CC BY 4.0।
- पूरा मॉडल (चेकपॉइंट)
- खुद जनरेट करने वाली फाइल, वज़न खुद में। इसे बोनस मिलता है क्योंकि एड-ऑन इसी पर निर्भर होते हैं।
- LoRA और एम्बेडिंग
- छोटे एड-ऑन फाइल जो किसी और के वज़न को एक स्टाइल, कैरेक्टर या कॉन्सेप्ट की ओर मोड़ते हैं। ये अकेले नहीं चल सकते।
- फैमिली और वज़न
- जिस बेस पर मॉडल बना है, जैसे SD 1.5, SDXL, Flux या Wan। हर मॉडल अपने फैमिली के वज़न की रिलीज़ तारीख विरासत में लेता है।
- उम्र
- कितने समय पहले फैमिली के वज़न आए थे उसके हिसाब से घटाई गई डिग्री: सालाना 150°, अधिकतम 750° तक। यह पुराने डाउनलोड्स को सूची के शीर्ष से फ्रीज करके रखता है।
- फैमिली बूस्ट
- इस साइट द्वारा अभी आगे बढ़ाए जा रहे फैमिली के LoRA के लिए एक छोटा, सीमित बढ़ावा, जो हमेशा ब्रेकडाउन में दिखता है।
- स्टैंड-इन स्कोर
- एक स्थिर संख्या जो उस मॉडल को दी जाती है जिसके लिए अभी कोई स्रोत रिपोर्ट नहीं है, ताकि सूचियाँ पूरी रहें। यह कभी भी डेटा वाले मॉडल से ऊपर रैंक नहीं करता।
- नया! (ग्रेस अवधि)
- एक मॉडल जो 7 दिनों से कम पुराना है, वह स्कोर के बजाय नया! दिखाता है और रैंकिंग में कोई स्थान नहीं रखता। इसका स्कोर पहले दिन से गणना किया जाता है, लेकिन एक दिन पुराना मॉडल सबसे तेज़ बढ़ता है, इसलिए बिना इंतजार के सप्ताह का #1 हमेशा कल निकला हुआ मॉडल होता बजाय उस मॉडल के जो एक सप्ताह तक टिके।
- ट्रेंड
- किसी अवधि में मॉडल की बढ़त की तुलना उसी अवधि में सामान्य मॉडल की बढ़त से। सामान्य से तेज़ बढ़त को उछाल माना जाता है, धीमी को गिरावट।
- सामान्य मॉडल
- कैटलॉग का मध्य: आधे मॉडल जिनके आंकड़े हैं, उन्होंने उस अवधि में तेज़ बढ़त की, आधे ने धीमी।
इस मॉडल की लोकप्रियता कैटलॉग के बाकी हिस्सों के मुकाबले कैसे बढ़ी है: हर अवधि में डाउनलोड, लाइक और उपयोग में इसका विकास, उसी अवधि में सामान्य मॉडल के विकास के मुकाबले मापा गया, और उस समय इसका हीट स्कोर। सामान्य विकास से ऊपर बढ़ोतरी दिखाती है, नीचे गिरावट। अतीत को आज के टोटल, मॉडल के पहले दिन और मापा गया डाउनलोड स्पीड से फिर से बनाया गया है जब दो रीडिंग्स मौजूद हों; अगर मॉडल उस अवधि की शुरुआत में मौजूद नहीं था तो n/a दिखता है।
Gemma 4 31B Text / LLM फ़ैमिली का एक टेक्स्ट मॉडल है, जो ModelTrends.ai पर सूचीबद्ध है — ओपन सोर्स AI इमेज, वीडियो और टेक्स्ट मॉडल की एक केवल-पढ़ने योग्य सूची। इसकी तुलना अन्य Text / LLM मॉडल से करें और ट्रेंड देखने के लिए इसका हीट स्कोर देखें।
मॉडल फ़ैमिली के अनुसार ब्राउज़ करें
Text / LLM मॉडल
434
Anima मॉडल
528
Chroma मॉडल
19
Fibo मॉडल
2
Flux मॉडल
1,496
Flux 2 / Klein मॉडल
1,239
Flux 3 मॉडल
3
Moss मॉडल
3
Iris मॉडल
1
MiniMax H3 मॉडल
364
Hunyuan मॉडल
204
Ideogram मॉडल
20
Krea2 मॉडल
717
Qwen मॉडल
20
Qwen2 मॉडल
47
Ltx2 मॉडल
153