Google: Gemma 4 31B google/gemma-4-31b-it

Модель Google: Gemma 4 31B от Google (семейство gemma-4) доступна через единый OpenAI-совместимый API НейроГейт — без VPN, с оплатой в рублях, единым ключом для всех 353+ моделей платформы.
DeepMind + Google Brain — фронтир мультимодальности и длинного контекста.

👁 Зрение 🧠 Рассуждение 🎨 Генерация изображений 🎙 Аудио-вход 🔊 Синтез речи 🆓 Бесплатно

262K

контекст, токенов

12 ₽

за 1 млн входных токенов

37 ₽

за 1 млн выходных токенов

возможностей

Что такое Google: Gemma 4 31B

Мультимодальные агентные задачи и глубокий анализ длинных документов в сценариях, где важны open-source-лицензия и возможность самостоятельного хостинга.

Gemma 4 31B Instruct — открытая мультимодальная модель от Google DeepMind с 30,7 млрд параметров. Она принимает на вход текст и изображения (а по метаданным — и видео), возвращая текстовый ответ. Контекстное окно в 256 тысяч токенов позволяет работать с объёмными документами, длинными диалогами и сложными мультимодальными сценариями без потери контекста.

Модель поддерживает конфигурируемый режим внутреннего рассуждения (thinking mode), что делает её полезной для задач, требующих пошагового анализа: математика, логика, многоступенчатые инструкции. Встроенная поддержка вызова функций (function calling) открывает возможности для построения агентных пайплайнов и интеграции с внешними инструментами. Как open-source модель семейства Gemma, она доступна для локального развёртывания и файнтюнинга, что важно при работе с чувствительными данными или при необходимости кастомизации под конкретный домен.

По соотношению размера и возможностей Gemma 4 31B занимает нишу между компактными моделями для edge-деплоя и тяжёлыми флагманами: достаточно мощная для сложных задач, но реалистичная для запуска на собственной инфраструктуре.

Когда брать эту модель

✓ Мультимодальный анализ: разбор изображений, диаграмм, скриншотов интерфейсов совместно с текстовым контекстом
✓ Агентные системы и инструментальные пайплайны с вызовом внешних функций и API
✓ Работа с длинными документами: юридические тексты, технические спецификации, кодовые базы в пределах 256K токенов
✓ Задачи, требующие пошагового рассуждения: математика, логические цепочки, отладка алгоритмов
✓ Локальное или приватное развёртывание с файнтюнингом под корпоративный домен

Пример работы

Реальный сценарий, на котором модель проявляет себя:

Проанализируй приложенную схему архитектуры микросервисов и предложи, какие эндпоинты стоит вынести в отдельный сервис, обосновав решение с учётом принципов высокой связности и слабой зависимости.

Использование Google: Gemma 4 31B через НейроГейт

OpenAI-совместимый эндпоинт https://api.neuralgate.ru/v1 — замени base_url в любом SDK и используй модель по её id.

# Chat completion
curl https://api.neuralgate.ru/v1/chat/completions \
  -H "Authorization: Bearer $NEURALGATE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "google/gemma-4-31b-it",
    "messages": [{"role":"user","content":"Привет!"}]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-...your-neuralgate-key...",
    base_url="https://api.neuralgate.ru/v1",
)
response = client.chat.completions.create(
    model="google/gemma-4-31b-it",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.NEURALGATE_API_KEY,
  baseURL: "https://api.neuralgate.ru/v1",
});
const resp = await client.chat.completions.create({
  model: "google/gemma-4-31b-it",
  messages: [{ role: "user", content: "Привет!" }],
});
console.log(resp.choices[0].message.content);