модель · Google · вышла 2 апреля
Gemma 4 31B IT
Старшая открытая модель линейки Gemma 4 для чатов, рассуждений и агентов, которую можно запустить на своём сервере
О модели
Gemma 4 31B IT — самая крупная модель в открытой линейке Gemma 4 от Google DeepMind. Приставка IT означает, что модель дообучена выполнять инструкции, то есть готова к диалогу. Google пишет, что линейка построена на тех же технологиях, что и Gemini 3. Это плотная модель на 31 млрд параметров: при каждом ответе работают все параметры сразу. У неё 60 слоёв. Внимание устроено гибридно: одни слои смотрят только на ближайшие 1024 токена, другие видят весь текст целиком. Картинки обрабатывает отдельный блок зрения примерно на 550 млн параметров.
В линейке четыре размера: E2B и E4B для телефонов и ноутбуков, 26B и 31B для видеокарт и серверов. Соседняя 26B устроена как смесь экспертов (mixture of experts): при каждом ответе у неё работают только около 4 млрд параметров, поэтому она быстрее. Версия 31B медленнее, но точнее. Например, в тесте знаний MMLU Pro она набирает 85,2% против 82,6% у 26B. По сравнению с Gemma 3 у новой линейки появился режим рассуждений: модель может сначала продумать задачу шаг за шагом и только потом ответить. Ещё она научилась вызывать внешние функции и выдавать ответ в формате JSON.
По данным Google, на старте 31B занимала третье место среди открытых моделей в текстовом рейтинге Arena.ai. В карточке модели лаборатория приводит такие результаты: 89,2% в математическом тесте AIME 2026, 80,0% в LiveCodeBench v6 (олимпиадное программирование) и 84,3% в научном тесте GPQA Diamond. Модель берут для чат-ботов, агентов, написания кода без подключения к интернету, извлечения данных из изображений и как основу для собственного дообучения. Google называет 31B удобной базой для дообучения именно потому, что в ней ставка сделана на качество, а не на скорость.
Веса выложены под лицензией Apache 2.0, поэтому модель можно применять и в коммерческих продуктах. Звук 31B не понимает: его в линейке поддерживают только малые версии. В карточке модели Google предупреждает, что модель может не уловить тонкие оттенки смысла, сарказм и переносные значения. Кроме того, она может выдавать неверные или устаревшие факты, потому что опирается на закономерности из обучающих данных и базой знаний не является. В рейтинге Epoch модель находится в середине списка, заметно ниже закрытых моделей Gemini.
источники:Анонс Gemma 4 в блоге Google ↗Карточка модели на Hugging Face ↗Технический разбор Gemma 4 на Hugging Face ↗
Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиПодробнее на английском ↗
весь рейтинг93место из 268индекс 143вероятный разброс 140–145
- DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗71,1%
- LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗46,2%
- Surface Evolver Bench16 задач: описать для физической программы Surface Evolver форму жидкости под действием поверхностного натяжения, гравитации и ограниченийЗасчитывается частичное выполнение: отдельные баллы за корректный файл, успешный прогон симуляции и совпадение объёма, площади и энергии с эталоном.Подробнее на английском ↗30,6%
- Chess Puzzles100 новых шахматных задач, позиция дана текстом: нужно найти единственный лучший ход по оценке движка StockfishПодробнее на английском ↗0,0%
- SimpleQA Verified1000 коротких вопросов на факты, на которые модель отвечает по памяти, без поиска в интернетеБалл — F1: учитываются и доля верных ответов, и точность там, где модель решилась ответить, так что честное «не знаю» лучше ошибки.Подробнее на английском ↗10,4%
- WeirdMLНеобычные задачи по машинному обучению: модель пишет код, который на выданных данных обучает классификатор, например для распознавания фигурБалл — средняя точность обученных моделью классификаторов, а не доля решённых задач.Подробнее на английском ↗52,3%
- OTIS Mock AIME 2024-202545 олимпиадных задач по математике из пробных экзаменов AIME школы OTIS; ответ — целое число от 0 до 999Подробнее на английском ↗73,3%
- GPQA diamond198 вопросов с выбором ответа по физике, химии и биологии уровня аспирантуры — такие, что ответ не найти поискомСлучайный выбор даёт 25%, а специалисты с учёной степенью в своей области набирают около 70%.Подробнее на английском ↗67,7%
Новости о модели
все упоминания · 28Модель Google на Gemma 4 исправляет, кто что сказал в расшифровке
Открытая модель Google на Gemma 4 исправляет в расшифровках разговоров, кому приписаны слова. По замерам авторов, она ошибается реже прошлой версии на основе Llama 3 8B.
Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).