Gemma 4 31B vs Gemma 4 26B A4B
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Gemma 4 31B da Google e Gemma 4 26B A4B da Google são dois modelos de IA de destaque. O Gemma 4 31B oferece uma janela de contexto de 262.1K tokens a $0.00/$0.00 por milhão de tokens, enquanto o Gemma 4 26B A4B oferece 262.1K tokens de contexto a $0.00/$0.00 por milhão de tokens. Veja abaixo a comparação completa de benchmarks, latência e custos.
Troque e Compare Qualquer Modelo
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Gemma 4 31B
Raciocínio de Pesos AbertosO Gemma 4 31B da Google é um modelo de IA projetado para raciocínio em cadeia de pensamento com pesos abertos e alta eficiência, oferecendo janela de contexto de 262K, velocidade de 80 tokens/s, índice de inteligência de 81/100 e tarifa de
$0.00 / 1M
$0.00 / 1M
262.1K tokens
68.5%
Gemma 4 26B A4B
Modelo Base de Pesos AbertosO Gemma 4 26B A4B da Google é um modelo de IA projetado para auto-hospedagem em infraestrutura própria, fine-tuning e soberania de dados, oferecendo janela de contexto de 262K, velocidade de 160 tokens/s, índice de inteligência de 74/100 e
$0.00 / 1M
$0.00 / 1M
262.1K tokens
61%
Principais Diferenças em Resumo
- Both models cost the same under this workload — choose on capability, not price.
- Gemma 4 26B A4B is faster at 160 tok/s vs 80 tok/s.
- Gemma 4 31B leads on SWE-bench coding (68.5% vs 61.0%).
| Feature | Gemma 4 31B | Gemma 4 26B A4B |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 81 | 74 |
Provider | ||
Input Price Cost per million input tokens | $0.00 / 1M | $0.00 / 1M |
Output Price Cost per million output tokens | $0.00 / 1M | $0.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.00 / 1M | $0.00 / 1M |
Context Window Maximum input + output tokens | 262.1K tokens~393 A4 pages of text | 262.1K tokens~393 A4 pages of text |
Max Output Tokens Per single request | 33K | 33K |
Throughput Speed Tokens generated per second | 80 tok/s | 160 tok/s |
SWE-bench Verified Real-world software engineering | 68.5% | 61% |
GPQA Diamond Graduate-level reasoning | 77% | 71.5% |
Quem vence em cada categoria?
At-a-glance decision frameworkPontuações de Benchmarks Verificadas
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.
American Invitational Mathematics Examination — multi-step Olympiad-level reasoning.
Tokens emitted per second during active generation streaming.
Latência e Tempo de Resposta
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Simulador Interativo de Custo de Tokens
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Gemma 4 31B · Strengths & Key Advantages
- Janela de contexto de 262K com limite máximo de saída de 33K tokens (SWE-bench Verified 68.5% · GPQA Diamond 77%)
- Taxa de transferência rápida de 80 tokens/segundo com latência inicial (TTFT) de 480 ms
- Pesos abertos (31B) para auto-hospedagem local ou em nuvem privada via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Requer servidores GPU com memória VRAM adequada para execução local em precisão total
- Em derivações científicas extremas, modelos pesados dedicados exclusivamente ao raciocínio oferecem maior profundidade
Gemma 4 26B A4B · Strengths & Key Advantages
- Janela de contexto de 262K com limite máximo de saída de 33K tokens (SWE-bench Verified 61% · GPQA Diamond 71.5%)
- Taxa de transferência rápida de 160 tokens/segundo com latência inicial (TTFT) de 290 ms
- Pesos abertos (26B (4B MoE)) para auto-hospedagem local ou em nuvem privada via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Requer servidores GPU com memória VRAM adequada para execução local em precisão total
- Em derivações científicas extremas, modelos pesados dedicados exclusivamente ao raciocínio oferecem maior profundidade
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Gemma 4 31B | Gemma 4 26B A4B |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.00 | $0.00 |
Output Tokens / Task Tokens generated per task | 12K | 8K |
Reasoning Tokens / Task Thinking tokens burned per task | 6K | 3K |
Especificações Técnicas
Architecture, release timeline, capabilities, and modalities.
| Feature | Gemma 4 31B | Gemma 4 26B A4B |
|---|---|---|
| Official API Model ID (SDK) | models/gemma-4-31b | models/gemma-4-26b-a4b |
| API Protocol | Google Gemini API (generateContent) + OpenAI-Compatible SDK | Google Gemini API (generateContent) + OpenAI-Compatible SDK |
| Release Date | 2026-04 | 2026-04 |
| Knowledge Cutoff | January 2026 | January 2026 |
| Architecture | Dense open reasoning transformer with native thinking | Sparse Mixture-of-Experts open transformer (26B total, 4B active) |
| Parameters | 31B | 26B (4B active MoE) |
| 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) | Free across full context window (only KV-cache VRAM scales) |
| Prompt Cache Policy & TTL | Automatic prefix KV-caching in vLLM / SGLang (0 cost) | Automatic prefix KV-caching in vLLM / SGLang (0 cost) |
| Computer Use / GUI Agent | Supported (Screen coordinate grounding, browser & desktop GUI action loops) | Supported (Screen coordinate grounding, browser & desktop GUI action loops) |
| 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 | Built-in Google Search Grounding + Managed Python Code Execution Sandbox |
| 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) · 16 GB VRAM (4-bit Quantized) · 56 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Google DeepMind Frontier Safety Framework Verified | Google DeepMind Frontier Safety Framework Verified |
| 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 Gemma 4 26B A4B: Respostas Rápidas (FAQ)
Which is more intelligent, Gemma 4 31B or Gemma 4 26B A4B?
Gemma 4 31B is more intelligent. It scores 81 compared with 74 on the composite Intelligence Index.
Which model is faster?
Gemma 4 26B A4B is faster, generating 160 tokens per second compared with 80 tokens per second.
Which model has lower latency?
Gemma 4 26B A4B has lower latency, with a time to first token of 0.29s compared with 0.48s.
Veredito
Tanto Gemma 4 31B (Indicado para raciocínio em cadeia de pensamento com pesos abertos e alta eficiência, arquiteturas RAG corporativas e integração escalável via API.) quanto Gemma 4 26B A4B (Indicado para auto-hospedagem em infraestrutura própria, fine-tuning e soberania de dados, arquiteturas RAG corporativas e integração escalável via API.) entregam excelente desempenho: Gemma 4 31B lidera em inteligência geral e programação, Gemma 4 26B A4B oferece geração mais rápida e Gemma 4 31B apresenta o melhor custo-benefício em produção.
Perguntas Frequentes (FAQ)
Qual é melhor para programação e raciocínio, Gemma 4 31B ou Gemma 4 26B A4B?+
Nas avaliações de inteligência e código, Gemma 4 31B leva vantagem. Confira os gráficos SWE-bench e GPQA acima para detalhes.
Qual modelo tem a API mais barata, Gemma 4 31B ou Gemma 4 26B A4B?+
O Gemma 4 31B custa $0.00 / $0.00 por 1M de tokens (entrada/saída) e o Gemma 4 26B A4B custa $0.00 / $0.00. No custo combinado, Gemma 4 31B é mais econômico.
Qual modelo possui maior janela de contexto e velocidade?+
O Gemma 4 31B suporta 262.1K tokens de contexto contra 262.1K tokens do Gemma 4 26B A4B, enquanto Gemma 4 26B A4B entrega maior velocidade de geração.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Gemma 4 26B A4B vs. Qwen3.6 27B: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Gemma 4 31B vs. Llama 3.3 70B: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Gemma 4 31B vs. Mistral Small 4: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Gemma 4 E2B vs. Gemma 4 31B: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Aion-3.0 vs. Aion-Mini: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Aion-3.0 vs. Gemini 3.6 Flash: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
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.
Fontes oficiais: Documentação oficial de API da Google e Google e benchmarks independentes (2026).