Google: Gemma 4 31B (free)

Gemma 4 31B Instruct to otwarty model od Google DeepMind, publikowany przez Google i oferowany na api14 pod identyfikatorem modelu google/gemma-4-31b-it:free. Jest to gęsty multimodalny model dostrojony do instrukcji o rozmiarze 30,7B, część rodziny Gemma, i znajduje się w kategorii tekstowej na api14, mimo że przyjmuje więcej niż tylko tekst jako dane wejściowe. Data wydania przez dostawcę to 2026-04-02.

Po stronie danych wejściowych model przyjmuje tekst, obrazy i wideo, a generuje wyłącznie tekst. Jego okno kontekstowe wynosi 262 144 tokeny, z maksymalnym wyjściem 32 768 tokenów. Obsługuje konfigurowalny tryb myślenia lub rozumowania, którym można sterować za pomocą parametrów reasoning i include_reasoning. Różnorodność danych wejściowych oznacza, że można mieszać prozę, zrzuty ekranu, zdjęcia i klatki wideo w tej samej rozmowie bez przełączania modeli.

Te możliwości wskazują na dość szeroki zestaw praktycznych zastosowań. Długie dokumenty, bazy kodu, transkrypcje i wielogodzinne dzienniki rozmów mieszczą się w kontekście 256K, więc streszczanie, odpowiadanie na pytania i ekstrakcja z dużych danych wejściowych są rozsądnymi zastosowaniami. Ponieważ obrazy i wideo są akceptowane, zadania takie jak opisywanie treści wizualnych, odczytywanie wykresów lub zrzutów ekranu, moderowanie mediów przesyłanych przez użytkowników i odpowiadanie na pytania dotyczące nagranego materiału wideo są również możliwe. Dostrojenie do instrukcji plus obsługa narzędzi czyni go kandydatem dla asystentów, którzy muszą wywoływać funkcje, zwracać ustrukturyzowane dane wyjściowe lub rozumować krok po kroku przed udzieleniem odpowiedzi.

Wywoływanie go przez api14 działa tak samo jak w przypadku każdego innego modelu w bramie, ponieważ API jest zgodne z OpenAI. Wysyłasz żądanie do punktu końcowego chat completions i ustawiasz pole model na google/gemma-4-31b-it:free. Obsługiwane parametry żądania to include_reasoning, max_tokens, reasoning, response_format, seed, temperature, tool_choice, tools i top_p. W praktyce oznacza to, że można kontrolować próbkowanie za pomocą temperature i top_p, ograniczyć odpowiedź za pomocą max_tokens, uczynić uruchomienia powtarzalnymi za pomocą seed, żądać JSON lub innych ustrukturyzowanych kształtów za pomocą response_format oraz definiować wywoływalne funkcje za pomocą tools i tool_choice. Jeśli chcesz, aby myślenie modelu było widoczne lub ukryte, użyj reasoning i include_reasoning.

Kilka rzeczy warto mieć na uwadze przed podjęciem decyzji. Wyjście to wyłącznie tekst, więc jeśli potrzebujesz generowanych obrazów, dźwięku lub wideo, ten model ich nie wygeneruje. Limit wyjścia 32 768 tokenów jest znacznie poniżej kontekstu wejściowego, więc bardzo długie generowania, takie jak całe książki w jednej odpowiedzi, nie są tym, do czego został stworzony. Nie ma tu podanych informacji o cenach ani stawkach, więc sprawdź aktualną tabelę cen na stronie, aby poznać bieżące warunki. W tych granicach jest to prosty wybór do rozumienia multimodalnego, pracy z długim kontekstem i asystentów korzystających z narzędzi.