# Gemma 4 31B IT

> Fiche du modèle de langage Gemma 4 31B IT sur Quelle IA, édition du 28 septembre 2026. Gemma 4 31B IT (Google DeepMind) : score IA de 74,8, 83e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/gemma-4-31b-it/
Origine : Google DeepMind · États-Unis · sorti le 2 avril 2026

## Score général

- Score IA : 74,8 (marge à 90 % : de 71,8 à 77,8)
- Rang : 83 (Groupe 8, ex æquo)
- Couverture : 85 % du poids des tâches, 26 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 74,3 | Provisoire · 33 % |
| Code | 76,4 | Provisoire · 23 % |
| Agents | non mesuré | Non mesuré |
| Usage | 77,9 | Rang 77 · 100 % |
| Maths | 70,4 | Provisoire · 25 % |
| Sciences | 73,0 | Rang 60 · 80 % |
| Français | 78,7 | Rang 32 · 100 % |
| Vision | 79,0 | Provisoire · 33 % |
| Écriture | 77,7 | Rang 75 · 100 % |
| Web | 74,8 | Rang 80 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [Gemma 4 31B (Reasoning)](https://artificialanalysis.ai/models/gemma-4-31b) | 14,7 | 156e sur 193 | 35,6 jetons/s | 1,08 s | 0 $ / 0 $ |
| [Gemma 4 31B (Non-reasoning)](https://artificialanalysis.ai/models/gemma-4-31b-non-reasoning) | 13,9 (estimé) | hors classement | 40,2 jetons/s | 2,03 s | 0,14 $ / 0,4 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe ; un indice qu'ils estiment reste hors de ce classement. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/gemma-4-31b

## Exécution locale

Tient à partir d'une carte graphique de 24 Go (22 Go utiles), en version allégée à 4 bits, par exemple une Intel Arc Pro B60. Mémoire estimée : 21,4 Go.

- Allégée, 4 bits : 21,4 Go
- Allégée, 8 bits : 37,4 Go
- Complète, 16 bits : 71,3 Go

- Plus petite machine : [Carte graphique 24 Go](https://quelleia.com/local/#carte_graphique_24_go), version allégée à 4 bits
- Carte graphique : [Carte graphique 24 Go](https://quelleia.com/local/#carte_graphique_24_go), version allégée à 4 bits ; par exemple [Intel Arc Pro B60](https://quelleia.com/local/intel-arc-pro-b60/)
- PC portable RTX : [PC portable GeForce RTX 24 Go](https://quelleia.com/local/#pc_portable_rtx_24_go), version allégée à 4 bits ; par exemple [PC portable avec GeForce RTX 5090](https://quelleia.com/local/pc-portable-geforce-rtx-5090/)
- PC portable Intel : Trop juste
- PC portable Snapdragon : Trop juste
- Mac : [Mac 32 Go](https://quelleia.com/local/#mac_32_go), version allégée à 4 bits ; par exemple [Mac mini M6, 32 Go](https://quelleia.com/local/mac-mini-m6-32go/)
- Ryzen AI Max : [Ryzen AI Max 32 Go](https://quelleia.com/local/#ryzen_ai_max_32_go), version allégée à 4 bits ; par exemple [Ryzen AI Max 385, 32 Go](https://quelleia.com/local/ryzen-ai-max-385-32go/)
- Nvidia DGX : [DGX Spark 128 Go](https://quelleia.com/local/#dgx_spark), version complète ; par exemple [Nvidia DGX Spark](https://quelleia.com/local/dgx-spark/)
- Sans carte graphique : Trop juste
- Serveur : Oui

## Fiche technique

- Prix : 0,10 € / 0,31 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 262 144 jetons (environ 197 000 mots)
- Entrées : Texte, image
- Réflexion : Non communiqué
- Paramètres : 31 milliards
- Licence : Apache 2.0 (poids ouverts, téléchargeables)
- Classe énergétique : B (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Non communiqué

## Où le trouver

- Télécharger : [Hugging Face](https://huggingface.co/google/gemma-4-31B-it)
- Sur votre machine : [Ollama](https://ollama.com/search?q=gemma-4-31B-it)
- Sur votre machine : [LM Studio](https://lmstudio.ai)
- Par API : [OpenRouter](https://openrouter.ai/google/gemma-4-31b-it)
- Par API : [API Google DeepMind](https://ai.google.dev)
- L'essayer : [Gemini](https://gemini.google.com)

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| EuroEval, Allociné (sentiment) | Français | 96,2 % | 71,1 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, Allociné (sentiment) | Français | 93,7 % | 46,2 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 79,5 % | 82,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 77,9 % | 111,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ScaLA (grammaire) | Français | 74,2 % | 122,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 73,3 % | 69,3 | saturé | https://epoch.ai/benchmarks |
| DTBench | Raisonnement | 82,7 % | 74,9 | saturé | https://conceptualreasoning.ai/dtbench |
| EuroEval, FQuAD (compréhension) | Français | 70,1 % | 71,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 69,4 % | 66,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, INCLUDE (connaissances) | Français | 67,8 % | 67,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| GPQA Diamond | Sciences | 75,8 % | 69,5 | actif | https://epoch.ai/benchmarks |
| EuroEval, ELTeC (noms propres) | Français | 62,1 % | 51,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, questions d'experts | Sciences | 1 498,0 Elo | 84,9 | actif | https://arena.ai/leaderboard |
| compar:IA | Français | 1 098,0 Elo | 105,4 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| Arena, questions de maths | Maths | 1 469,3 Elo | 83,7 | actif | https://arena.ai/leaderboard |
| EuroEval, INCLUDE (connaissances) | Français | 58,9 % | 53,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, questions de code | Code | 1 502,0 Elo | 82,0 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 452,7 Elo | 81,6 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 419,4 Elo | 81,0 | actif | https://arena.ai/leaderboard |
| Arena, vision | Vision | 1 263,1 Elo | 84,1 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 458,1 Elo | 77,8 | actif | https://arena.ai/leaderboard |
| WeirdML (v2) | Code | 52,3 % | 76,1 | actif | https://htihle.github.io/weirdml.html |
| LMCA | Raisonnement | 39,25 | 79,5 | actif | https://conceptualreasoning.ai/lmca |
| SciCode | Code | 43,4 % | 75,4 | actif | https://artificialanalysis.ai/evaluations/scicode |
| EuroEval, ScaLA (grammaire) | Français | 40,1 % | 45,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Code Arena, WebDev | Web | 1 364,7 Elo | 74,8 | actif | https://arena.ai/leaderboard |
| EuroEval, OrangeSum (résumé) | Français | 39 % | 99,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, MultiLoKo (connaissances locales) | Français | 38,4 % | 71,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Surface Evolver Bench | Sciences | 30,6 % | 73,6 | saturé | https://yhenon.github.io/surface-evolver-llm-eval/ |
| EuroEval, OrangeSum (résumé) | Français | 26,4 % | -228,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, MultiLoKo (connaissances locales) | Français | 26,2 % | 61,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 23,7 % | -0,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| SimpleQA Verified | Données | 10,4 % | 52,7 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 1,4 % | 64,5 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 5 % | 47,6 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de Gemma 4 31B IT ?** Gemma 4 31B IT obtient un score IA de 74,8, avec une marge de 71,8 à 77,8, dans l'édition du 28 septembre 2026. Il est classé 83e sur 246 modèles, à partir de 26 mesures.

**Dans quelles tâches Gemma 4 31B IT est-il le plus fort ?** Ses deux meilleures tâches sont vision (79,0) et français (78,7). Sa tâche la plus faible est maths (70,4).

**Gemma 4 31B IT peut-il tourner en local ?** Tient à partir d'une carte graphique de 24 Go (22 Go utiles), en version allégée à 4 bits, par exemple une Intel Arc Pro B60. Mémoire estimée : 21,4 Go.

**Combien coûte Gemma 4 31B IT ?** 0,10 € par million de jetons en entrée et 0,31 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite Gemma 4 31B IT ?** Gemma 4 31B IT est édité par Google DeepMind (États-Unis), et il est sorti le 2 avril 2026. Ses poids sont ouverts, sous licence Apache 2.0.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com