Gemma 4 31B
Google推出的Gemma 4系列310亿参数开源大语言模型，量化后约需16-20GB内存，可在消费级Apple Silicon设备上运行
时间轴 (近 90 天)
在49张图片测试中，Gemma 4 12B正确识别45张，Gemma 4 31B正确47张，两者都出现将纯线材误判为充电器的问题，而MiniCPM-V没有犯这个错误。
在ring_push任务上，四个模型（Claude Haiku 4.5、Gemma 4 31B、GPT-5.4 mini、Gemini 3.7 Flash）在两个任务中都完成了要求的改动，却丢失了prompt未重申的旧行为，fail-to-pass通过但pass-to-pass失败，该失误在八次运行中稳定复现
在分类任务的 100 个标签中，欺诈和正常各占 50 个，多数类基线为 50%，Gemma 4 31B 的 55% 在统计上不足以证明其超越基线。
一位开发者在 Kaggle Benchmarking Challenge 中构建了一个基准任务，用 IEEE-CIS 欺诈检测数据集测试 Gemma 4 31B（google/gemma-4-31b），评估其仅凭文本化图结构信息判断交易是否可疑的能力。
在同样的 100 个样本中，GraphSAGE 图神经网络基线正确分类 67 个样本，优于 Gemma 4 31B 的 55 个。
在 100 个样本上，Gemma 4 31B 的交易分类准确率为 55%，邻域可疑交易识别（代理指标）准确率为 53%。
参测的八个模型包括 GPT-6 Luna、Claude Haiku 5.5、Gemini 3.5 Flash-Lite、Qwen 3 Next 80B、Gemma 4 31B、GPT-6 Sol、Claude Sonnet 5 和 Gemini 3.7 Flash，每个模型在每条赛道跑 107 次调查
Claude Haiku 4.5、Gemma 4 31B 和 Qwen3-235B 三个模型逐字照抄了用户提供的坐标，另有两个模型在 GPS 检查点请求上额外加了禁用的 points 字段
更大更新的模型未必表现更好：gpt-oss-120b（0.740）得分低于 gpt-oss-20b（0.761）；DeepSeek-R1 花费1.94美元得分却低于花13美分的 Gemma 4 31B
Google可能想在手机上运行类似Gemma 4 31B这种中等规模模型，在约32GB内存上较为高效地运行
还有 5 条时间轴事件
全部知识事实 (15)
在49张图片测试中，Gemma 4 12B正确识别45张，Gemma 4 31B正确47张，两者都出现将纯线材误判为充电器的问题，而MiniCPM-V没有犯这个错误。
50%待验证在ring_push任务上，四个模型（Claude Haiku 4.5、Gemma 4 31B、GPT-5.4 mini、Gemini 3.7 Flash）在两个任务中都完成了要求的改动，却丢失了prompt未重申的旧行为，fail-to-pass通过但pass-to-pass失败，该失误在八次运行中稳定复现
50%待验证在分类任务的 100 个标签中，欺诈和正常各占 50 个，多数类基线为 50%，Gemma 4 31B 的 55% 在统计上不足以证明其超越基线。
50%待验证在同样的 100 个样本中，GraphSAGE 图神经网络基线正确分类 67 个样本，优于 Gemma 4 31B 的 55 个。
50%待验证在 100 个样本上，Gemma 4 31B 的交易分类准确率为 55%，邻域可疑交易识别（代理指标）准确率为 53%。
50%待验证参测的八个模型包括 GPT-6 Luna、Claude Haiku 5.5、Gemini 3.5 Flash-Lite、Qwen 3 Next 80B、Gemma 4 31B、GPT-6 Sol、Claude Sonnet 5 和 Gemini 3.7 Flash，每个模型在每条赛道跑 107 次调查
50%待验证Claude Haiku 4.5、Gemma 4 31B 和 Qwen3-235B 三个模型逐字照抄了用户提供的坐标，另有两个模型在 GPS 检查点请求上额外加了禁用的 points 字段
50%待验证更大更新的模型未必表现更好：gpt-oss-120b（0.740）得分低于 gpt-oss-20b（0.761）；DeepSeek-R1 花费1.94美元得分却低于花13美分的 Gemma 4 31B
50%待验证在记忆召回测试中，12B模型100题答对82题，31B模型100题答对98题，且两个模型都没有编造答案
50%待验证实验环境为单张NVIDIA H100，通过vLLM服务，测试模型为Gemma 4 12B和Gemma 4 31B，输入数据为5000万token的真实公开文本
50%待验证Opus 5.5在Max档取得与GPT-6.1 Sol相同分数需要14.65美元，意味着6.1 Sol便宜约73倍
50%待验证claude-code-local 宣称支持 Qwen 3.5 122B（约 65 tokens/秒）、Llama 3.3 70B 和 Gemma 4 31B 等模型
50%待验证Gemma 4 31B版本在保持较小参数量的同时,试图在对话质量和知识广度上找到平衡点
50%待验证一位开发者在 Kaggle Benchmarking Challenge 中构建了一个基准任务，用 IEEE-CIS 欺诈检测数据集测试 Gemma 4 31B（google/gemma-4-31b），评估其仅凭文本化图结构信息判断交易是否可疑的能力。
50%待验证Google可能想在手机上运行类似Gemma 4 31B这种中等规模模型，在约32GB内存上较为高效地运行
50%