このモデルの強みは何ですか？

軽量でローカル動作が可能 Gemmaライセンスで商用利用可能（条件付） Googleの技術ベースコミュニティが活発

このモデルの弱みは何ですか？

非商用制限あり（Gemma License）日本語能力は限定的フロンティアモデルとの性能差が大きい API提供がない（セルフホストのみ）

どんな用途に最適ですか？

ローカル環境でのAI活用プライバシー重視のアプリモデルのファインチューニング研究・実験用途

モデル一覧に戻る

Google DeepMind条件付オープン

Gemma 4 31B

Name: Gemma 4 31B
Author: Google DeepMind

Google DeepMindの軽量オープンモデルの最新版。31Bパラメータで効率的な性能を提供し、Gemmaライセンスのもと商用利用も可能（条件あり）。ローカル環境での動作も現実的であり、プライバシー要件の厳しい環境での利用に適する。

パラメータ

31B

コンテキスト長

128K

ライセンス

Gemma License

リリース日

2026-04-06

日本語性能

✅高品質日本語

多言語対応モデルのうち、日本語処理に優れた性能を持つモデル。

API料金

このモデルのAPI料金情報は現在未公開です

強み

・軽量でローカル動作が可能
・Gemmaライセンスで商用利用可能（条件付）
・Googleの技術ベース
・コミュニティが活発

弱み

・非商用制限あり（Gemma License）
・日本語能力は限定的
・フロンティアモデルとの性能差が大きい
・API提供がない（セルフホストのみ）

活用例

・ローカル環境でのAI活用
・プライバシー重視のアプリ
・モデルのファインチューニング
・研究・実験用途

深度分析

Arena Elo

1451

オープンモデル全体でのテキストランク第3位

GPQA Diamond

84.3%

強力な科学的推論能力

LiveCodeBench v6

80.0%

優れたコーディング性能

入力価格

$0.14/1M

APIプロバイダー経由、セルフホストは無料

コンテキストウィンドウ

256K tokens

効果的な長コンテキスト性能

パラメータ

31B dense

すべての推論ステップでアクティブ

強み

・31Bパラメータモデルとして優れた推論およびコーディングベンチマーク
・Apache 2.0ライセンスにより、商用利用やファインチューニングが無制限に可能
・ネイティブな思考/推論モードによる強力なマルチモーダル機能

弱み

・MoEモデルに比べて推論速度が遅い（ローカルで6-8 tok/s）
・オーディオサポートなし（テキストと画像モダリティのみ）
・大量のVRAMが必要（量子化で20GB以上、8ビットで34GB以上）

競合比較

Model	Arena	SWE	GPQA	Price
Claude 3.5 Sonnet	~1500 (estimated)	79.6%	~85% (estimated)	$3/$15 per 1M tokens
Llama 4 Maverick (400B)	N/A	N/A	N/A	Free self-host, $0 API via providers
Mistral Large 2	~1480 (estimated)	~80% (estimated)	~82% (estimated)	$2/$6 per 1M tokens

概要

Gemma 4 31Bは、2026年4月2日にリリースされたGoogle DeepMindのフラッグシップオープンウェイトモデルであり、31B密アーキテクチャでフロンティアレベルの性能を提供します。このモデルは、AIME 2026数学で89.2%、LiveCodeBench v6コーディングで80%、GPQA Diamond科学的推論で84.3%という顕著なベンチマークスコアを達成し、Gemma 3（AIMEで20.8%）からの世代的な改善を示しています。Apache 2.0ライセンスの下で、MAU制限なしに商用利用、ファインチューニング、デプロイが無制限に可能です。強力な推論、コーディング、マルチモーダル機能を必要とする開発者向けに設計され、テキストと画像の入力に対応し、設定可能な思考連鎖推論をサポートします。密アーキテクチャのため、MoE代替モデルより遅い（ローカルで6-8 tok/s、Gemma 4 26B A4B MoEの50+ tok/sと比較）ものの、Gemmaファミリー内で最高の品質上限を提供します。改善された検索信頼性（マルチニードルテストで66.4%）を備えた256Kコンテキストウィンドウにより、実用的な長文書処理が可能になります。このモデルは、データ主権、カスタムファインチューニング、コスト管理されたセルフホスティングを必要とするチームにとって、商用APIモデルに対する主要なオープンウェイト代替として位置づけられています。最近のコミュニティ採用では、コーディング支援、研究アプリケーション、エージェントワークフローへの強い関心が示されていますが、ハードウェア要件がカジュアルなローカル利用を制限しています。

ベンチマーク＆性能

### ベンチマーク性能 | ベンチマーク | Gemma 4 31B | Gemma 3 27B | 改善 | |-----------|-------------|-------------|-------------| | **MMLU Pro** | 85.2% | 67.6% | +17.6% | | **AIME 2026 (ツールなし)** | 89.2% | 20.8% | +68.4% | | **LiveCodeBench v6** | 80.0% | 29.1% | +50.9% | | **Codeforces ELO** | 2150 | 110 | +2040 | | **GPQA Diamond** | 84.3% | 42.4% | +41.9% | | **τ2-bench (エージェント)** | 76.9% | 16.2% | +60.7% | | **MMMLU** | 88.4% | 70.7% | +17.7% | | **MMMU Pro (ビジョン)** | 76.9% | 49.7% | +27.2% | | **長コンテキスト (MRCR 8-needle 128K)** | 66.4% | 13.5% | +52.9% | **アリーナ性能（チャットボットアリーナ）:** - **全体テキストElo:** 1451 - **コーディングElo:** 1498 - **数学Elo:** 1468 - **難しいプロンプト（英語）Elo:** 1485 - **マルチターンElo:** 1461 **ビジョンベンチマーク:** - **MATH-Vision:** 85.6% - **OmniDocBench 1.5:** 0.131 edit distance（低いほど良い） - **MedXPertQA MM:** 61.3% **長コンテキスト性能:** - **256Kコンテキストサポート**、128Kトークンでの8-needle検索で66.4% - **Gemma 3の128Kコンテキスト（13.5% → 66.4%）からの大幅な改善** **速度ベンチマーク（NVIDIA DGX Spark）:** - **テキスト生成:** 3.40 tok/s（密） - **思考モード:** 3.40 tok/s - **ビジョン（マルチモーダル）:** 3.22 tok/s - **ファンクション呼び出し:** 3.44 tok/s 注意: 密31Bモデルは、26B A4B MoEモデル（~53 tok/s）と比較して著しく遅いですが、ファミリー内で最高の品質上限を提供します。

詳細比較

### ヘッドツーヘッド比較 **vs Claude 3.5 Sonnet (APIモデル)** - **価格:** Gemma 4 31Bはセルフホストが無料（50K req/dayで約$429/月）；Claudeは$3/$15 per 1M tokens - **コンテキストウィンドウ:** 両方とも~200-256Kトークンをサポート - **強み:** Gemma 4はデータ主権、ファインチューニング、Apache 2.0ライセンスを提供；Claudeはより強力な複雑推論、優れた指示追従 - **弱点:** Gemma 4はハードウェア投資が必要；Claudeは使用コストとAPI依存 - **最適用途:** Gemma 4はコスト感度の高いプライバシー重視アプリケーション；Claudeはハードウェア制約なしの最高品質推論 **vs Llama 4 Maverick (オープンウェイトMoE)** - **アーキテクチャ:** Gemma 4 31B（密）vs Llama 4 Maverick（合計400B、17BアクティブMoE） - **コンテキストウィンドウ:** Gemma 4: 256K；Llama 4 Scout: 10Mトークン - **ライセンス:** 両方ともオープンウェイトだが、Llamaには700M MAU条項；Gemma 4は寛容なApache 2.0を使用 - **ハードウェア:** Gemma 4 31B: 20-34GB VRAM；Llama 4: 24GB+ VRAM - **最適用途:** Gemma 4はバランスの取れた性能とライセンス；Llama 4は極端なコンテキストニーズ **vs Gemma 4 26B A4B MoE (ファミリー比較)** - **速度:** 31B: ローカルで~3.4 tok/s；26B A4B: ~53 tok/s（15倍速い） - **品質:** 31BはAIMEで89.2% vs 26Bの88.3%；GPQAで84.3% vs 82.3% - **メモリ:** 31Bは~34GB（8ビット）必要；26B A4Bは~28GB必要 - **最適用途:** 31Bは最大品質、ファインチューニング；26B A4Bはプロダクション速度と効率

コミュニティ評価

### 開発者および研究者の感情 **採用パターン:** - **セルフホスティングコミュニティ:** ローカルでプライバシー保護されたAIを望む開発者間で強い採用（最初の月に525K+のHugging Faceダウンロード） - **コーディングコミュニティ:** コード生成に広く使用され、コーディング特化アリーナベンチマークで1498 Elo - **研究コミュニティ:** 密アーキテクチャとApache 2.0ライセンスのため、ファインチューニングのための強力なベースモデルとして評価 **注目すべき反応:** - **「そのサイズにして例外的」:** 開発者は、モデルが特定のタスクでより大きなモデルに匹敵またはそれを超えていると指摘 - **「ローカルAIのマイルストーン」:** 強力な性能と無制限のライセンスの組み合わせが、オンプレミスAIの画期的な進歩と見なされる - **「ファインチューニングのお気に入り」:** 密31Bアーキテクチャは、より予測可能な勾配動作のため、MoEモデルよりもカスタムトレーニングに好まれる **コミュニティの懸念:** - **速度制限:** ローカル推論速度（3-8 tok/s）は一部にとってリアルタイムアプリケーションには遅すぎると考えられる - **ハードウェア要件:** 20-34GB VRAMは、ハイエンドGPUを持つ愛好家にカジュアルなローカル利用を制限 - **欠落機能:** オーディオサポートの欠如とMoEファミリーメンバーと比較した遅い速度がトレードオフとして指摘 **使用トレンド:** - **主なユースケース:** コーディング支援、文書分析、研究、プライバシー敏感アプリケーション - **デプロイ:** セルフホスティングによるデータ敏感ワークフローでエンタープライズ環境での使用が増加 - **エコシステム:** 人気のあるフレームワーク（Transformers、llama.cpp、Ollama、LM Studio）でのサポートが成長

ユースケース

### 具体的なユースケースと選択タイミング 1. **プライベートコード支援とファインチューニング** - **例:** 独自のコードベースでトレーニングされたカスタムコーディングアシスタントを必要とするエンタープライズ開発チーム - **代替製品より選択すべきタイミング:** データ主権が重要で、チームが24GB+ VRAM GPUを持つ場合；オープンウェイトのため、Claude/GPTよりもファインチューニングに優れ、コード品質の点でより小さなGemmaモデルよりも優れている 2. **研究および科学分析** - **例:** 科学論文の大規模データセットを分析するか、テキストと画像のマルチモーダル分析を行うアカデミック研究者 - **代替製品より選択すべきタイミング:** 84.3% GPQA性能が十分で、セルフホスティングを好む予算制約がある場合；科学的推論のためのより安価なモデルよりも優れ、機密データを処理する際はAPIモデルより優先 3. **ローカル文書処理と分析** - **例:** クラウド公開なしで機密文書を処理する必要がある法律または金融企業 - **代替製品より選択すべきタイミング:** 長文書に256Kコンテキストウィンドウが必要な場合；プライバシーのためのクラウドAPIよりも優れ、大量処理のための商用APIよりもコスト効率が高い 4. **ファンクション呼び出しを伴うエージェントワークフロー** - **例:** 外部APIを呼び出し、マルチステッププロセスを推論する必要がある自律AIエージェントの構築 - **代替製品より選択すべきタイミング:** 76.9% τ2-benchスコアが許容可能な場合；複雑な推論チェーンのためにより小さなモデルより優れ、最大推論品質が必要な際はMoEファミリーバリエントより優れている **意思決定フレームワーク:** - Gemma 4 31Bを選択すべき時: トップティアのオープンウェイト品質が必要、GPUリソースがある、ファインチューニングが必要、またはデータプライバシーを優先する場合 - 避けるべき時: リアルタイムインタラクションが必要（代わりに26B A4Bを選択）、オーディオ入力が必要（代わりにE4Bを選択）、またはハードウェアが限られている（代わりにE2B/E4Bを選択）