Google: Gemma 4 31B (free)

Gemma 4 31B Instruct is een open model van Google DeepMind, gepubliceerd door Google, en aangeboden op api14 onder het model-id google/gemma-4-31b-it:free. Het is een 30,7B dense multimodaal instruction-tuned model, onderdeel van de Gemma-familie, en het staat in de tekstcategorie op api14, ook al accepteert het meer dan tekst als invoer. De releasedatum van de provider is 2026-04-02.

Aan de invoerkant accepteert het model tekst, afbeeldingen en video, en het produceert alleen tekst. Het contextvenster is 262.144 tokens, met een maximale uitvoer van 32.768 tokens. Het ondersteunt een configureerbare denk- of redeneermodus, die je kunt sturen via de parameters reasoning en include_reasoning. De verscheidenheid aan invoer betekent dat je proza, screenshots, foto's en videoframes in hetzelfde gesprek kunt combineren zonder van model te wisselen.

Die mogelijkheden wijzen op een redelijk breed scala aan praktische toepassingen. Lange documenten, codebases, transcripties en gesprekslogs van meerdere uren passen binnen de 256K-context, dus samenvatting, vraagbeantwoording en extractie over grote invoer zijn redelijke toepassingen. Omdat afbeeldingen en video worden geaccepteerd, zijn taken zoals het beschrijven van visuele inhoud, het lezen van grafieken of screenshots, het modereren van door gebruikers ingediende media en het beantwoorden van vragen over opgenomen beeldmateriaal ook haalbaar. Instruction tuning plus tool-ondersteuning maken het een kandidaat voor assistenten die functies moeten aanroepen, gestructureerde uitvoer moeten retourneren of stap voor stap moeten redeneren voordat ze antwoorden.

Het aanroepen via api14 werkt hetzelfde als bij elk ander model op de gateway, aangezien de API OpenAI-compatibel is. Je stuurt je verzoek naar het chat completions-endpoint en stelt het model-veld in op google/gemma-4-31b-it:free. De ondersteunde verzoekparameters zijn include_reasoning, max_tokens, reasoning, response_format, seed, temperature, tool_choice, tools en top_p. In de praktijk betekent dat dat je sampling kunt regelen met temperature en top_p, het antwoord kunt beperken met max_tokens, runs reproduceerbaar kunt maken met seed, JSON of andere gestructureerde vormen kunt aanvragen met response_format, en aanroepbare functies kunt definiëren met tools en tool_choice. Als je het denkproces van het model zichtbaar of verborgen wilt hebben, gebruik dan reasoning en include_reasoning.

Een paar dingen zijn het waard om in gedachten te houden voordat je je vastlegt. De uitvoer is alleen tekst, dus als je gegenereerde afbeeldingen, audio of video nodig hebt, zal dit model die niet produceren. Het uitvoerplafond van 32.768 tokens ligt ruim onder de invoercontext, dus zeer lange generaties, zoals hele boeken in één antwoord, zijn niet waar het voor gebouwd is. Er is hier geen prijs- of tariefinformatie vermeld, dus controleer de actuele prijstabel op de pagina voor de huidige voorwaarden. Binnen die grenzen is het een voor de hand liggende keuze voor multimodaal begrip, lang-contextwerk en assistenten die tools gebruiken.