Cargando datos de benchmark…EyesInAI·Cargando datos de benchmark en vivo Cargando modelos…EyesInAI·Cargando modelos… Todos los modelosgeminiGRATIS
gemma-4-31b-it
Última prueba: 5 ago 2026
Solo resultados medidos, sin recomendación.
Hardware para ejecutarlo
Alojado: Nivel gratuito · con límite de uso Autoalojado:Una GPU26B MoE (also a 31B dense variant)
Q4 ~16GB
~16GB RAM — a mini-PC or 24GB Mac; the 31B dense variant on a 24GB GPU The best consumer-hardware model — runs in ~16GB RAM, competes with models several times its size. Apache 2.0.
Resultados por prueba
⚡Ping
Latencia y disponibilidad: respuesta de una palabra
🧮Razonamiento
Razonamiento matemático básico: mostrar el procedimiento y dar la respuesta
{ }Salida JSON
Cumplimiento de salida estructurada: JSON válido con las claves requeridas
💻Generación de código
Generar una función de Python con docstring
🚀Velocidad
Velocidad de generación de tokens: respuesta larga de 500 tokens
🔍Recuperación de contexto
Los nombres de modelos, los datos del catálogo y las notas de hardware se muestran tal como están en la fuente, en inglés.
Recuperación de datos en contexto: preguntas sobre una lista de 20 elementos
🔧Uso de herramientas
Llamada a funciones: invocar get_weather
📝Resumen
Caso real: resumir una noticia en 3 viñetas
🏷️Clasificación
Caso real: sentimiento y categoría de la reseña de un cliente
📄Extracción de datos
Caso real: extraer campos estructurados de una factura
📋Seguir instrucciones
Caso real: cumplir varias reglas (5 oraciones, sin "the", etc.)
✅Cumplimiento de formato
Estilo IFEval: 4 viñetas, palabras clave incluidas/excluidas, sin preámbulo
🪡Aguja en contexto largo
Encontrar un código de 6 dígitos escondido en ~3,500 tokens de relleno
🧠Lógica de varios pasos
BBH-lite: expresión booleana, cadena de mentiras y conteo de objetos