Alle AI-Trends
Direkt in dein Postfach
Erhalte exklusive AI-Tutorials, Praxistipps und KI-News direkt in dein Postfach.
*Mit deiner Anmeldung akzeptierst du unsere Datenschutzrichtlinien.
⚡ Byte Insider – Brandneue AI News per WhatsApp Channel
Google DeepMind

Gemma 4

Modell testen
AA Intelligence Index
4Punkte
Median aller Modelle: 31
API-Preis In / Out
$0,14 / $0,40
je 1 Mio. Tokens
Kontextfenster
262,1kTokens
Maximaler Output: 131.072 Tokens

Gemma 4 im Überblick

Stand November 2026 steht Gemma 4 im Artificial Analysis Intelligence Index mit 4 Punkten auf Platz 47 von 48 Modellen.

Gemma 4 31B ist ein Open Weights Modell von Google DeepMind, das auf der technischen Grundlage von Gemini 3 aufbaut. Die größte Version von Gemma 4 ist ein 30.7B Dense-Transformer mit hybridem Attention-Mechanismus. Das Modell eignet sich, trotz seiner kleinen Größe, für agentische Aufgaben, die Reasoning voraussetzen. Gemma 4 ist multimodal und unterstützt Text-, Bild- und Video-Input mit einem 256K-Token-Kontextfenster und erreicht vergleichbare Benchmark Scores zu deutlich größeren Open Weights Modellen wie GLM-5, Qwen 3.5 (397B) oder Kimi-K2.5. In den kleineren "Edge" Versionen lässt sich Gemma 4 über die Google AI Edge Gallery sogar auf modernen Smartphones lokal und ohne Internetverbindung ausführen.

Was du abwägen solltest

  • Kein Audio-Support im 31B-Modell. Audio-Input ist nur bei den kleineren Edge-Varianten (E2B, E4B) verfügbar, nicht bei der großen 31B-Dense Hauptversion.
  • Hoher Speicherbedarf für lokales Deployment. Um Gemma 4 (31B) in BF16 nutzen zu können, werden mindestens 61.4 GB RAM benötigt. Als Alternative werden quantisierte Versionen, z.B. Q4_K_M (ca. 18.7 GB RAM-Anforderung) oder die kleineren Versionen der Gemma-4 Familie als Alternativen angeboten.
  • Tooling + Community Aufbau notwendig. Bislang drehte sich das OSS-KI-Ökosystem hauptsächlich um chinesische Modelle. Entsprechend muss das Ökosystem rund um westliche OSS Modelle noch wachsen. Durch die neue Apache-2.0 Lizenzierung dürfte dies voraussichtlich aber rasch geschehen.
Ähnliche KI-Modelle ansehen

Gemma 4 Benchmarks

4Punkte

Der Artificial Analysis Intelligence Index ist ein Meta-Benchmark ohne eigene Fragen: Er fasst neun Evaluationen zusammen, die Artificial Analysis selbst mit jedem Modell unter gleichen Bedingungen durchführt.

Mehr zum Benchmark
Artificial Analysis Intelligence IndexMedian aller Modelle: 31
  1. Claude Fable 5.2Platz 1, Anthropic
  2. GPT-6.2 AstraPlatz 2, OpenAI
  3. Nemotron 3.5 Lightning 30BNVIDIA
  4. Gemma 4Google DeepMind
  5. Mistral Small 4Mistral AI
Daten: Artificial Analysis (artificialanalysis.ai)Artificial Analysis (artificialanalysis.ai)

Gemma 4 API-Preise

Input
$0,14/ 1 Mio. Tokens
Output
$0,40/ 1 Mio. Tokens

Geschätzte Tokenkosten

$1,80

$0,02 je Anfrage (100 Anfragen)

  • Input$1,40
  • Output$0,40

Schätzung in USD auf Basis der Preise von Google DeepMind, ohne Steuern, Tools und Cache-Schreibvorgänge. Trage bei Output alle abgerechneten Tokens inklusive Reasoning ein. Cache-Lesen setzt einen bereits befüllten Cache voraus.

Cache-Schreiben und Rechenweg

Kosten = Anfragen × (Input ohne Cache × $0,14 + Output × $0,40) / 1.000.000

Gemma 4 Modelldaten

Kontextfenster
262.144 Tokens
Maximaler Output
131.072 Tokens
Eingabe
Text, Bilder, Video, PDF
Ausgabe
Text
Anbieter
Google DeepMind
Veröffentlicht
2. April 2026
Wissensstand
1. Januar 2025
Architektur
Dense-Transformer
Tokenizer
SentencePiece-Tokenizer
Modellgewichte
Offen (Apache 2.0)
262,1k Tokens Kontext131,1k maximaler Output

Die Ausgabelänge ist eine eigene Obergrenze. Der tatsächlich verfügbare Eingaberaum hängt auch vom Output-Budget und der API-Konfiguration ab.

Standardfähigkeiten & Schnittstellen
  • Reasoning
  • Tool-Nutzung
  • Bildverständnis
  • Strukturierte Ausgaben
  • Fine-Tuning

Daten aktualisiert am 18. November 2026. Fehler gefunden? kontakt@byte.de

Gemma 4 API-Provider

Preise und Limits laut den Anbietern. Die Verfügbarkeit hängt vom Konto und den jeweiligen Limits ab.

Häufige Fragen zu Gemma 4

Ist Gemma 4 Open Source?

Die Modellgewichte von Gemma 4 sind offen verfügbar (Lizenz: Apache 2.0). Details stehen in den Lizenzbedingungen von Google DeepMind.

Welche Eingaben und Ausgaben unterstützt Gemma 4?

Gemma 4 verarbeitet Text, Bilder, Video, PDF als Eingabe und erzeugt Text.

Was kostet Gemma 4 über die API?

Über die API von Google DeepMind kostet Gemma 4 $0,14 je 1 Mio. Input-Tokens und $0,40 je 1 Mio. Output-Tokens. Bei Reasoning kommen Thinking-Tokens hinzu, die als Output abgerechnet werden.

Wie groß ist das Kontextfenster von Gemma 4?

Gemma 4 verarbeitet bis zu 262.144 Tokens (262,1k) in einer Anfrage, die Antwort umfasst höchstens 131.072 Tokens.

Wie aktuell ist das Wissen von Gemma 4?

Der Wissensstand (Knowledge Cutoff) von Gemma 4 reicht bis 1. Januar 2025.

Wann wurde Gemma 4 veröffentlicht?

Google DeepMind hat Gemma 4 am 2. April 2026 veröffentlicht.

Weiterführende Links

Ähnliche KI-Modelle

Weitere Modelle von Google DeepMind

  • Gemini 2.5 Flash-Lite

    Google DeepMind
    Input / 1 Mio.
    $0,10
    Output / 1 Mio.
    $0,40
    Kontextfenster
    1,05 Mio. Tokens
    Veröffentlichung
    Juli 2025
    Reasoning
  • Gemini 3 Deep Think

    Google DeepMind
    Kontextfenster
    128k Tokens
    Veröffentlichung
    November 2025
    Reasoning
  • Gemini 3.1 Flash-Lite

    Google DeepMind
    Input / 1 Mio.
    $0,25
    Output / 1 Mio.
    $1,50
    Kontextfenster
    1,05 Mio. Tokens
    Veröffentlichung
    März 2026
    Reasoning

Modelle anderer Anbieter

  • Mistral Small 4

    Mistral AI

    Mistral Small 4 ist ein Open-Weights-MoE-Modell mit 119 Mrd. Parametern.

    Input / 1 Mio.
    $0,15
    Output / 1 Mio.
    $0,60
    Kontextfenster
    262,1k Tokens
    Veröffentlichung
    März 2026
    Reasoning
  • Input / 1 Mio.
    $0,08
    Output / 1 Mio.
    $0,20
    Kontextfenster
    262,1k Tokens
    Veröffentlichung
    August 2026
    Reasoning
  • Hy3

    Tencent
    Input / 1 Mio.
    $0,14
    Output / 1 Mio.
    $0,58
    Kontextfenster
    262,1k Tokens
    Veröffentlichung
    Juli 2026
    Reasoning