Google: Gemma 4 31B (free)

Gemma 4 31B Instruct adalah model terbuka dari Google DeepMind, diterbitkan oleh Google, dan ditawarkan di api14 dengan model id google/gemma-4-31b-it:free. Ini adalah model dense multimodal 30.7B yang di-instruction-tune, bagian dari keluarga Gemma, dan berada di kategori teks di api14 meskipun menerima lebih dari sekadar teks sebagai input. Tanggal rilis dari provider adalah 2026-04-02.

Di sisi input, model ini menerima teks, gambar dan video, dan hanya menghasilkan teks. Context window-nya adalah 262,144 token, dengan output maksimum 32,768 token. Model ini mendukung mode thinking atau reasoning yang dapat dikonfigurasi, yang bisa Anda arahkan melalui parameter reasoning dan include_reasoning. Ragam input ini berarti Anda dapat mencampur prosa, screenshot, foto dan frame video dalam percakapan yang sama tanpa mengganti model.

Kemampuan tersebut mengarah pada cukup banyak penggunaan praktis. Dokumen panjang, codebase, transkrip dan log percakapan berjam-jam muat di dalam konteks 256K, sehingga peringkasan, tanya jawab dan ekstraksi atas input besar menjadi cocok. Karena gambar dan video diterima, tugas seperti mendeskripsikan konten visual, membaca grafik atau screenshot, memoderasi media yang dikirim pengguna dan menjawab pertanyaan tentang rekaman footage juga dapat dilakukan. Instruction tuning ditambah dukungan tool membuatnya menjadi kandidat untuk asisten yang perlu memanggil fungsi, mengembalikan output terstruktur, atau bernalar langkah demi langkah sebelum menjawab.

Memanggilnya melalui api14 bekerja sama seperti model lain di gateway, karena API-nya kompatibel dengan OpenAI. Anda mengirim permintaan ke endpoint chat completions dan mengatur field model ke google/gemma-4-31b-it:free. Parameter permintaan yang didukung adalah include_reasoning, max_tokens, reasoning, response_format, seed, temperature, tool_choice, tools dan top_p. Dalam praktiknya itu berarti Anda dapat mengontrol sampling dengan temperature dan top_p, membatasi balasan dengan max_tokens, membuat eksekusi dapat direproduksi dengan seed, meminta JSON atau bentuk terstruktur lain dengan response_format, dan mendefinisikan fungsi yang dapat dipanggil dengan tools dan tool_choice. Jika Anda ingin pemikiran model ditampilkan atau disembunyikan, gunakan reasoning dan include_reasoning.

Ada beberapa hal yang perlu diingat sebelum Anda memutuskan. Output hanya berupa teks, jadi jika Anda membutuhkan gambar, audio atau video yang dihasilkan, model ini tidak akan menghasilkannya. Batas output 32,768 token jauh di bawah konteks input, sehingga generasi yang sangat panjang, seperti seluruh buku dalam satu respons, bukanlah tujuan model ini dibuat. Tidak ada informasi harga atau rate yang disebutkan di sini, jadi periksa tabel harga langsung di halaman untuk ketentuan terkini. Dalam batasan tersebut, ini adalah pilihan yang lugas untuk pemahaman multimodal, pekerjaan konteks panjang dan asisten yang menggunakan tool.