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
| Especificação | Gemma 4 31B | Qwen3.8 27B |
|---|---|---|
| Tarefa | Texto e chat | Texto e chat |
| Parâmetros | 30,7B | 27B |
| Licença | Apache 2.0 | Apache 2.0 |
| Uso comercial | Permitidotexto da licença | Permitidotexto da licença |
| Qualidade · LMArena 2026-10-22 · texto | 1.452 ± 71.445–1.460 · 6.137 votos · posição 76 · fonte | 1.437 ± 51.432–1.442 · 26.238 votos · posição 102 · fonte |
| Memória | estimativa 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) |
| Checkpoint | ficha oficial | ficha 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.
| Máquina | Gemma 4 31B | Qwen3.8 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_Mllama-server -hf unsloth/gemma-4-31B-it-GGUF:Q4_K_Mlms 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_Mllama-server -hf unsloth/Qwen3.8-27B-GGUF:UD-Q4_K_Mlms 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
- 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 informados
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
- 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 informados
- 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