google/gemma-4-31B-it
Modelo de visão e linguagem · 31 B de parâmetros — 12.4 mi downloads e 3.4 mil curtidas no Hugging Face.
Hugging Face · Modelos
·google
·
·↓ 12393109
·♥ 3402
O modelo google/gemma-4-31B-it aparece entre os mais comentados do Hugging Face — um termômetro do que a comunidade está realmente usando agora na tarefa de visão e linguagem.
Ficha técnica
- Tarefa: visão e linguagem
- Parâmetros: 31 B
- Biblioteca:
transformers - Formatos: safetensors
- Licença: Apache 2.0
- Downloads: 12.4 mi · Curtidas: 3.4 mil
Hardware recomendado
Estimativa de VRAM só para carregar os pesos (com ~20% de folga para ativações). Contextos longos consomem memória adicional para o cache de atenção (KV cache).
- Precisão original (16-bit): ~74 GB de VRAM — 1 GPU de data center (80 GB, ex. A100/H100)
- Quantizado 8-bit: ~37 GB de VRAM — 1 GPU profissional (48 GB, ex. A6000) ou 2× 24 GB
- Quantizado 4-bit: ~19 GB de VRAM — 1 GPU high-end (24 GB, ex. RTX 3090/4090)
Como rodar localmente
Modelo de visão e linguagem — envie imagem + texto:
pip install -U transformers accelerate torch
from transformers import pipeline
vlm = pipeline("image-text-to-text", model="google/gemma-4-31B-it", device=0)
msgs = [{"role": "user", "content": [
{"type": "image", "url": "https://exemplo.com/foto.jpg"},
{"type": "text", "text": "Descreva a imagem."},
]}]
print(vlm(text=msgs, max_new_tokens=200))Tags
transformers safetensors gemma4 image-text-to-text conversational eval-results deploy:azure deploy:sagemaker
// relacionados
Leia também
Modelo
ethanfel/Qwen3-VL-32B-Ultra-Heretic-MiniMax-H3-ComfyUI-INT8-ConvRot
Editorial
MiniMax H3: um modelo só para texto, imagem, vídeo e áudio — por um terço do preço
Modelo
sensenova/SenseNova-U1.5-8B-MoT-Preview
Blog