Gemma 4 31B vs Mistral Small 4
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
GoogleのGemma 4 31BとMistral AIのMistral Small 4は、注目度の高い主要AIモデルです。Gemma 4 31Bは262.1K トークンのコンテキストウィンドウを備え、API料金は100万トークンあたり入力$0.00/出力$0.00、一方のMistral Small 4は256K トークンのコンテキストで入力$0.10/出力$0.30です。以下でベンチマーク、速度、コストを詳しく比較します。
任意のAIモデルを切り替えて比較
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Gemma 4 31B
オープンウェイト推論モデルGoogle の Gemma 4 31B は、強化学習により鍛えられた高効率なオープンウェイト論理推論向けに設計されたAIモデルです。262K のコンテキストウィンドウ、毎秒 80 トークンの生成速度、知能指数 81/100（無料のオープンウェイト提供）を実現しています。
$0.00 / 1M
$0.00 / 1M
262.1K tokens
68.5%
Mistral Small 4
超高速・低遅延レスポンスMistral AI の Mistral Small 4 は、超低遅延のリアルタイム対話、高速ルーティング、大量リクエスト処理向けに設計されたAIモデルです。256K のコンテキストウィンドウ、毎秒 120 トークンの生成速度、知能指数 48/100（1Mトークンあたり入力$0.1・出力$0.3）を実現しています。
$0.10 / 1M
$0.30 / 1M
256K tokens
44.5%
ひと目でわかる主な違い
- Gemma 4 31B is 1.0x cheaper for API usage (input + output tokens combined).
- Gemma 4 31B has a larger context window (262K vs 256K tokens).
- Mistral Small 4 is faster at 120 tok/s vs 80 tok/s.
- Gemma 4 31B leads on SWE-bench coding (68.5% vs 44.5%).
| Feature | Gemma 4 31B | Mistral Small 4 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 81 | 48 |
Provider | Mistral AI | |
Input Price Cost per million input tokens | $0.00 / 1M | $0.10 / 1M |
Output Price Cost per million output tokens | $0.00 / 1M | $0.30 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.00 / 1M | $0.07 / 1M |
Context Window Maximum input + output tokens | 262.1K tokens~393 A4 pages of text | 256K tokens~384 A4 pages of text |
Max Output Tokens Per single request | 33K | 16K |
Throughput Speed Tokens generated per second | 80 tok/s | 120 tok/s |
SWE-bench Verified Real-world software engineering | 68.5% | 44.5% |
GPQA Diamond Graduate-level reasoning | 77% | 56% |
Cached Input Price Prompt caching discount per 1M tokens | $0.00 / 1M | $0.03 / 1M |
分野別勝者スコアカード
At-a-glance decision framework検証済みベンチマークスコア比較
Official evaluation metrics verified by independent third-party research labs.
Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Autonomous multi-step tasks executed inside a real command-line terminal environment.
American Invitational Mathematics Examination — multi-step Olympiad-level reasoning.
Accuracy when reasoning over very large inputs that fill the model context window.
Tokens emitted per second during active generation streaming.
レイテンシ＆応答時間
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
リアルタイムAPIトークン料金シミュレーター
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Gemma 4 31B · Strengths & Key Advantages
- 262K のコンテキストウィンドウと最大 33K トークンの出力容量（SWE-bench Verified 68.5% · GPQA Diamond 77%）
- 毎秒 80 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 480ms の低遅延
- オープンウェイトモデル (31B)として vLLM・SGLang・Ollama を用いた自社GPUでのローカル運用が可能
Considerations & Trade-offs
- 非量子化のフル精度でローカル推論を行うには十分なGPU VRAM容量が必要です
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
Mistral Small 4 · Strengths & Key Advantages
- 256K のコンテキストウィンドウと最大 16K トークンの出力容量（SWE-bench Verified 44.5% · GPQA Diamond 56%）
- 毎秒 120 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 340ms の低遅延
- オープンウェイトモデル (24B)として vLLM・SGLang・Ollama を用いた自社GPUでのローカル運用が可能
Considerations & Trade-offs
- 非量子化のフル精度でローカル推論を行うには十分なGPU VRAM容量が必要です
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Gemma 4 31B | Mistral Small 4 |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.00 | $0.12 |
Output Tokens / Task Tokens generated per task | 12K | 28K |
Reasoning Tokens / Task Thinking tokens burned per task | 6K | 12K |
技術仕様・スペック
Architecture, release timeline, capabilities, and modalities.
| Feature | Gemma 4 31B | Mistral Small 4 |
|---|---|---|
| Official API Model ID (SDK) | models/gemma-4-31b | mistral-small-4-latest |
| API Protocol | Google Gemini API (generateContent) + OpenAI-Compatible SDK | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2026-04 | 2026-03 |
| Knowledge Cutoff | January 2026 | January 2026 |
| Architecture | Dense open reasoning transformer with native thinking | Next-Gen Compact Multimodal Transformer |
| Parameters | 31B | 24B |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Free across full context window (only KV-cache VRAM scales) | Flat rate ($0.1/1M in) across full 256K window |
| Prompt Cache Policy & TTL | Automatic prefix KV-caching in vLLM / SGLang (0 cost) | Cached input at $0.03/1M tokens |
| Computer Use / GUI Agent | Supported (Screen coordinate grounding, browser & desktop GUI action loops) | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Built-in Google Search Grounding + Managed Python Code Execution Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 19 GB VRAM (4-bit Quantized) · 67 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 15 GB VRAM (4-bit Quantized) · 52 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Google DeepMind Frontier Safety Framework Verified | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text, vision | text, vision |
| Output Modalities | text | text |
Gemma 4 31B vs Mistral Small 4: よくある質問 (FAQ)
Which is more intelligent, Gemma 4 31B or Mistral Small 4?
Gemma 4 31B is more intelligent. It scores 81 compared with 48 on the composite Intelligence Index.
Which model is faster?
Mistral Small 4 is faster, generating 120 tokens per second compared with 80 tokens per second.
Which model is cheaper to run?
Gemma 4 31B is cheaper at $0.00 per 1M tokens blended, compared with $0.07 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Mistral Small 4 has lower latency, with a time to first token of 0.34s compared with 0.48s.
Which model has a larger context window?
Gemma 4 31B has a larger context window, supporting 262.1K tokens compared with 256K tokens.
総合評価
Gemma 4 31B（強化学習により鍛えられた高効率なオープンウェイト論理推論、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）とMistral Small 4（超低遅延のリアルタイム対話、高速ルーティング、大量リクエスト処理、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）はいずれも優れた選択肢です。高度な推論・コーディング精度ではGemma 4 31Bがリードし、応答速度とスループットではMistral Small 4が優れ、APIコスト効率ではGemma 4 31Bが有利です。
よくある質問 (FAQ)
コーディングや複雑な推論には Gemma 4 31B と Mistral Small 4 のどちらが適していますか？+
総合知能指数およびコーディング評価では Gemma 4 31B が優位です。上部の SWE-bench や GPQA スコアもあわせてご確認ください。
Gemma 4 31B と Mistral Small 4 ではどちらのAPI料金が安いですか？+
Gemma 4 31B は100万トークンあたり入力$0.00 / 出力$0.00、Mistral Small 4 は入力$0.10 / 出力$0.30です。総合的なコスト効率では Gemma 4 31B がより経済的です。
コンテキスト長と生成速度はどちらが優れていますか？+
コンテキストウィンドウは Gemma 4 31B が 262.1K トークン、Mistral Small 4 が 256K トークン です。出力スピード（トークン/秒）では Mistral Small 4 がリードしています。
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Gemma 4 31B vs Gemma 4 26B A4B：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Gemma 4 31B vs Llama 3.3 70B：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Gemma 4 E2B vs Gemma 4 31B：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Mistral Small 4 vs Claude Haiku 5.5：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Mistral Small 4 vs GPT-4.1 mini：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Nemotron 3 Nano Omni 30B A3B Reasoning vs Mistral Small 4：ベンチマーク・API料金・速度の徹底比較 (2026)比較
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
公的ソース: GoogleおよびMistral AI公式APIドキュメント、システムカード、独立ベンチマーク評価 (2026)。