Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

Gemma 4 31B vs Qwen3.8 27B para texto local

Dois modelos densos de ~30B para uma máquina de 24 a 48 GB

Fatos do catálogo revisado

Fatos do catálogo revisado
EspecificaçãoGemma 4 31BQwen3.8 27B
TarefaTexto e chatTexto e chat
Parâmetros30,7B27B
LicençaApache 2.0Apache 2.0
Uso comercialPermitidotexto da licençaPermitidotexto da licença
Qualidade · LMArena 2026-10-22 · texto1.452 ± 71.445–1.460 · 6.137 votos · posição 76 · fonte1.437 ± 51.432–1.442 · 26.238 votos · posição 102 · fonte
Memóriaestimativa de planejamento Q4 (~24 GB de pesos antes da reserva da máquina)estimativa de planejamento Q4 (~21 GB de pesos antes da reserva da máquina)
Checkpointficha oficialficha oficial

No LMArena 2026-10-22 · texto, o Gemma 4 31B tem 1.452 ± 7 contra 1.437 ± 5 do Qwen3.8 27B, 15 pontos à frente, com intervalos que não se sobrepõem. Votos cegos de pessoas em pares, no modelo hospedado, CC BY 4.0. A pontuação é relativa; intervalos que se sobrepõem significam que a ordem não está definida. Escala: pontuação Arena (controle de estilo, geral) ± metade do intervalo de confiança.

Memória em três máquinas

A reserva de cada máquina é somada (placas de vídeo 2 GB; memória unificada e do sistema 25%, de 2 a 8 GB). Estimativas de planejamento, não execuções medidas.

Gemma 4 31B vs Qwen3.8 27B para texto local: memória em três máquinas
MáquinaGemma 4 31BQwen3.8 27B
RTX 4090 · 24 GB de VRAM~26 GBNa memória, fora da parte rápida · offload para a RAM do PC (32 GB presumidos)~23 GBCabe na memória rápida
RTX 5090 · 32 GB de VRAM~26 GBCabe na memória rápida~23 GBCabe na memória rápida
Mac mini M4 Pro · 48 GB unificados~32 GBCabe na memória rápida~29 GBCabe na memória rápida

Gemma 4 31B: estimativa de planejamento Q4 (~24 GB de pesos antes da reserva da máquina). Qwen3.8 27B: estimativa de planejamento Q4 (~21 GB de pesos antes da reserva da máquina). Fórmulas

Tudo o que roda em cada máquina: RTX 4090 · 24 GB de VRAM · RTX 5090 · 32 GB de VRAM · Mac mini M4 Pro · 48 GB unificados

Qual escolher

Dois modelos densos de tamanho parecido: cada token lê todos os pesos, então a velocidade numa mesma máquina é parecida e definida pela banda de memória. O Gemma 4 31B (30,7 bilhões) pede cerca de 24 GB de pesos Q4, o Qwen3.8 27B cerca de 21 GB, então numa placa de 24 GB só o Qwen3.8 fica na memória rápida. Os dois são Apache 2.0 com contexto de 262.144 tokens e leem imagens; o Qwen3.8 também aceita vídeo. As notas de texto do LMArena ficam a 14 pontos uma da outra, o que é pouco nesta escala; leia os intervalos abaixo antes de chamar um deles de melhor.

Arquivos e comandos para rodar

O arquivo padrão da fonte coletada mais baixada, ou os comandos que cada ficha documenta. Não executados por este site.

Gemma 4 31B

unsloth/gemma-4-31B-it-GGUF · gemma-4-31B-it-Q4_K_M.gguf · Q4_K_M · 18,3 GB · unsloth

ollama run hf.co/unsloth/gemma-4-31B-it-GGUF:Q4_K_M
llama-server -hf unsloth/gemma-4-31B-it-GGUF:Q4_K_M
lms get https://huggingface.co/unsloth/gemma-4-31B-it-GGUF
  • mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac

Qwen3.8 27B

unsloth/Qwen3.8-27B-GGUF · Qwen3.8-27B-UD-Q4_K_M.gguf · UD-Q4_K_M · 16,5 GB · unsloth

ollama run hf.co/unsloth/Qwen3.8-27B-GGUF:UD-Q4_K_M
llama-server -hf unsloth/Qwen3.8-27B-GGUF:UD-Q4_K_M
lms get https://huggingface.co/unsloth/Qwen3.8-27B-GGUF
  • mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac

Números que cada publicador informa

Os resultados de cada ficha, com a configuração de cada uma. Publicadores escolhem testes e configurações diferentes, então estes valores nunca são comparados entre publicadores aqui.

Gemma 4 31B · informado por Google

15 resultados · ficha de Google · lida em 2026-10-25
MMLU Pro
85,2%
AIME 2026 no tools
89,2%
LiveCodeBench v6
80,0%
Codeforces ELO
2.150
GPQA Diamond
84,3%
Tau2 (average over 3)
76,9%
HLE no tools
19,5%
HLE with search
26,5%
Todos os resultados informados15
BigBench Extra Hard
74,4%
MMMLU
88,4%
MMMU Pro
76,9%Vision
OmniDocBench 1.5 (average edit distance, lower is better)
0,131Vision
MATH-Vision
85,6%Vision
MedXPertQA MM
61,3%Vision
MRCR v2 8 needle 128k (average)
66,4%Long Context

Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Benchmark Results); coluna “Gemma 4 31B”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo

Qwen3.8 27B · informado por Alibaba

20 resultados · ficha de Alibaba · lida em 2026-10-25
Agentic terminal coding Terminal Bench 2.1 (Terminus)
73,0Text Performance
Agentic coding SWE-bench Pro
61,7Text Performance
Repo-level code generation NL2Repo-Bench
42,3Text Performance
Agentic coding DeepSWE 1.1
42,2Text Performance
Software engineering QwenSWEBench
79,0Text Performance
Long-horizon office work CoWorkBench
70,7Text Performance
Professional job tasks JobBench
33,4Text Performance
Instruction following IFBench
79,5Text Performance
Todos os resultados informados20
Scientific reasoning GPQA Diamond
89,2Text Performance
Multidisciplinary reasoning HLE
30,8Text Performance
Competitive coding LiveCodeBench v6
90,3Text Performance
Computer use OSWorld-Verified
84,3VL Performance
Browser use WebArena-Verified
64,8VL Performance
Mobile use AndroidWorld
81,9VL Performance
Application recreation RecreationBench
47,1VL Performance
Multimodal software engineering SWE-MM
38,6VL Performance
Visual web development Vision2Web
62,9VL Performance
Document intelligence OmniDocBench 1.5
91,1VL Performance
Real-world perception RealWorldQA
85,9VL Performance
Embodied intelligence ERQA
65,5VL Performance

Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Benchmark Results › Text Performance; Benchmark Results › VL Performance); coluna “Qwen3.8-27B”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo

Limites e datas

O benchmark de qualidade publicado não testa uma versão local quantizada. Estimativas de memória não medem velocidade nem garantem compatibilidade. Tamanho de repositório, quando disponível, não é VRAM. Fórmulas

Página atualizada em · Catálogo revisado em · LMArena 2026-10-22 · texto