DataLearner 标志DataLearnerAI
最新AI资讯
大模型排行榜
大模型评测基准
大模型列表
大模型对比
资源中心
工具
语言中文
DataLearner 标志DataLearner AI

专注大模型评测、数据资源与实践教学的知识平台,持续更新可落地的 AI 能力图谱。

产品

  • 评测榜单
  • 模型对比
  • 数据资源

资源

  • 部署教程
  • 原创内容
  • 工具导航

关于

  • 关于我们
  • 隐私政策
  • 数据收集方法
  • 联系我们

© 2026 DataLearner AI. DataLearner 持续整合行业数据与案例,为科研、企业与开发者提供可靠的大模型情报与实践指南。

隐私政策服务条款
页面导航
目录
大模型列表Gemma 4 31B
GE

Gemma 4 31B

聊天大模型

Gemma 4 31B(稠密旗舰模型)

发布时间: 2026-04-02更新于: 2026-04-07 22:08:18.513知识截止: 2025-121,111
在线体验GitHubHugging FaceCompare
模型参数
31亿
上下文长度
256K
中文支持
不支持
推理能力

Gemma 4 31B(稠密旗舰模型) 是由 DeepMind 发布的 AI 模型,发布时间为 2026-04-02,定位为 聊天大模型,参数规模约为 31.0B,上下文长度为 256K,采用 Apache 2.0 许可。

数据优先来自官方发布(GitHub、Hugging Face、论文),其次为评测基准官方结果,最后为第三方评测机构数据。 了解数据收集方法

Gemma 4 31B

模型基本信息

推理过程
支持
思考模式
思考模式 (默认)常规模式
上下文长度
256K tokens
最大输出长度
32768 tokens
模型类型
聊天大模型
发布时间
2026-04-02
模型文件大小
暂无数据
MoE架构
否
总参数 / 激活参数
31 亿 / 不涉及
知识截止
2025-12
Gemma 4 31B

开源和体验地址

代码开源状态
Apache 2.0
预训练权重开源
Apache 2.0- 免费商用授权
GitHub 源码
暂无GitHub开源地址
Hugging Face
https://huggingface.co/google/gemma-4-31b
在线体验
https://ai.google.dev/gemma
Gemma 4 31B

官方介绍与博客

官方论文
Gemma 4: Byte for byte, the most capable open models
DataLearnerAI博客
Google Gemma 4 正式开源:Apache 2.0 协议、手机端可运行、原生支持多模态和 Agent 工作流
Gemma 4 31B

API接口信息

接口速度
暂无数据
暂无公开的 API 定价信息。
Gemma 4 31B

评测结果

Gemma 4 31B 当前已收录的代表性评测结果包括 MMLU Pro(21 / 124,得分 85.20)、LiveCodeBench(28 / 118,得分 80)、GPQA Diamond(50 / 175,得分 84.30)。 本页还汇总了参数规模、上下文长度与 API 价格,便于结合评测结果与部署约束一起判断模型适配度。

思考模式
全部思考
工具使用
全部使用工具不使用工具
联网能力
全部离线联网

综合评估

共 1 项评测
评测名称 / 模式
得分
排名/总数
HLE
思考模式工具联网
26.50
75 / 149
查看评测深度分析与其他模型对比
Gemma 4 31B

发布机构

DeepMind
DeepMind
查看发布机构详情
Gemma 4 31B(稠密旗舰模型)

模型解读

Gemma 4 31B 是 Google DeepMind 于 2026 年 4 月 2 日发布的新一代开源大语言模型系列中的旗舰稠密型号。该模型采用 Apache 2.0 许可证,基于 Gemini 3 同源技术构建,原生支持多模态输入(文本、图像和视频)。模型为稠密 Transformer 架构,310 亿参数全激活,60 层,支持 256K 上下文窗口,支持 140 多种语言。在 Arena AI 开源排行榜中位列第三,Elo 评分 1452,以仅 1/30 的参数媲美 600B 级别模型,参数效率极高。相比前代 Gemma 3 27B,数学(AIME 2026 从 20.8% 提升至 89.2%)、编程(LiveCodeBench 从 29.1% 提升至 80.0%)和推理能力实现代际跨越。原生支持函数调用、结构化 JSON 输出和系统指令,可构建能对接各类工具和 API 的自主智能体工作流。未量化 bfloat16 权重可在单张 80GB H100 GPU 上运行,量化后支持消费级显卡。

DataLearner 官方微信

欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送

DataLearner 官方微信二维码