Google: Gemma 4 31B (free)

Gemma 4 31B Instruct ist ein offenes Modell von Google DeepMind, veröffentlicht von Google und auf api14 unter der Modell-ID google/gemma-4-31b-it:free angeboten. Es ist ein dichtes multimodales, instruktionsabgestimmtes Modell mit 30,7B Parametern, Teil der Gemma-Familie, und es liegt auf api14 in der Textkategorie, obwohl es mehr als Text als Eingabe akzeptiert. Das Veröffentlichungsdatum des Anbieters ist der 2026-04-02.

Auf der Eingabeseite akzeptiert das Modell Text, Bilder und Video, und es erzeugt ausschließlich Text. Sein Kontextfenster beträgt 262.144 Token, mit einer maximalen Ausgabe von 32.768 Token. Es unterstützt einen konfigurierbaren Denk- oder Reasoning-Modus, den Sie über die Parameter reasoning und include_reasoning steuern können. Die Bandbreite der Eingaben bedeutet, dass Sie Prosa, Screenshots, Fotos und Videoframes in derselben Konversation mischen können, ohne das Modell zu wechseln.

Diese Fähigkeiten deuten auf eine ziemlich breite Palette praktischer Anwendungen hin. Lange Dokumente, Codebasen, Transkripte und mehrstündige Gesprächsprotokolle passen in den 256K-Kontext, sodass Zusammenfassung, Fragebeantwortung und Extraktion über große Eingaben sinnvolle Einsatzbereiche sind. Da Bilder und Video akzeptiert werden, sind auch Aufgaben wie das Beschreiben visueller Inhalte, das Lesen von Diagrammen oder Screenshots, die Moderation von nutzergenerierten Medien und die Beantwortung von Fragen zu aufgezeichnetem Material machbar. Instruktionsabstimmung plus Tool-Unterstützung machen es zu einem Kandidaten für Assistenten, die Funktionen aufrufen, strukturierte Ausgaben zurückgeben oder vor der Antwort Schritt für Schritt reasoning betreiben müssen.

Der Aufruf über api14 funktioniert genauso wie bei jedem anderen Modell auf dem Gateway, da die API OpenAI-kompatibel ist. Sie senden Ihre Anfrage an den chat completions endpoint und setzen das Feld model auf google/gemma-4-31b-it:free. Die unterstützten Anfrageparameter sind include_reasoning, max_tokens, reasoning, response_format, seed, temperature, tool_choice, tools und top_p. In der Praxis bedeutet das, dass Sie die Stichprobenentnahme mit temperature und top_p steuern, die Antwort mit max_tokens begrenzen, Läufe mit seed reproduzierbar machen, JSON oder andere strukturierte Formen mit response_format anfordern und aufrufbare Funktionen mit tools und tool_choice definieren können. Wenn Sie das Denken des Modells sichtbar oder verborgen haben möchten, verwenden Sie reasoning und include_reasoning.

Ein paar Dinge sollten Sie bedenken, bevor Sie sich festlegen. Die Ausgabe ist ausschließlich Text, wenn Sie also generierte Bilder, Audio oder Video benötigen, wird dieses Modell sie nicht erzeugen. Die Obergrenze von 32.768 Token für die Ausgabe liegt deutlich unter dem Eingabekontext, sodass sehr lange Generierungen, etwa ganze Bücher in einer Antwort, nicht das sind, wofür es gebaut wurde. Es gibt hier keine angegebenen Preis- oder Rateninformationen, prüfen Sie also die live price table auf der Seite für aktuelle Bedingungen. Innerhalb dieser Grenzen ist es eine unkomplizierte Wahl für multimodales Verständnis, Langkontextarbeit und tool-nutzende Assistenten.