AI BENCHY Compare

Google: Gemma 4 31B vs Kwaipilot: KAT-Coder-Air V2.5

Resumen

Gemma 4 31B lidera en puntuación media con 6.1 vs 6.0. Gemma 4 31B tiene menor coste de benchmark con $0.002 vs $0.030. Gemma 4 31B es más rápido con 4.05s vs 6.47s, con tasas de acierto de 47.6% vs 46.0%.

Modelo recomendadoGemma 4 31BTiene la mejor puntuación aquí (6.1) y cuesta aproximadamente 17.1x menos que KAT-Coder-Air V2.5 (low).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-14

Métrica	Gemma 4 31B Gemma 4 31B none Lanzamiento: 2026-04-02 Disponible gratis	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low Lanzamiento: 2026-07-14

Métrica	Gemma 4 31B Gemma 4 31B none Lanzamiento: 2026-04-02 Disponible gratis	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low Lanzamiento: 2026-07-14
Puntuación	6.1	6.0
Rango	#120	#124
Fiabilidad	10.0	9.7
Consistencia	10.0	7.6
Pruebas correctas
Tasa de aciertos por intento	47.6%	46.0%
Pruebas inestables	0	6
Ejecuciones totales	63	63
Costo por resultado	0.034	0.427
Costo total	$0.002	$0.030
Precio de entrada	$0.060 / 1M	$0.150 / 1M
Precio de salida	$0.350 / 1M	$0.600 / 1M
Total de tokens de entrada	20,911	42,464
Tokens de salida	1,407	4,227
Tokens de razonamiento	0	34,864
Tiempo de respuesta (promedio)	4.05s	6.47s
Tiempo de respuesta (máximo)	26.13s	25.49s
Tiempo de respuesta (total)	76.87s	135.80s

Generación showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#120 Gemma 4 31B

none

Coste: $0.001
Tiempo: 12.8s
Tokens: 795 tok

#124 KAT-Coder-Air V2.5

low

Coste: $0.004
Tiempo: 29.9s
Tokens: 6,008 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Categoría:

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Gemma 4 31B	6.5	10.0	50.0%	0		1.85s	852	45	0
KAT-Coder-Air V2.5	7.3	5.8	83.3%	2		3.50s	672	422	1,548

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Gemma 4 31B	5.5	10.0	33.3%	0		11.19s	8,381	735	0
KAT-Coder-Air V2.5	3.5	7.3	11.1%	1		11.06s	7,893	2,001	13,623

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		25.49s	15,132	368	5,707

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Gemma 4 31B	10.0	10.0	100.0%	0		2.25s	8,352	285	0
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		2.82s	7,776	261	1,069

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Gemma 4 31B	7.7	10.0	66.7%	0		3.22s	903	27	0
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		4.99s	553	310	3,332

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Gemma 4 31B	10.0	10.0	100.0%	0		2.09s	576	117	0
KAT-Coder-Air V2.5	5.0	10.0	0.0%	0		10.11s	516	142	596

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Gemma 4 31B	6.5	10.0	50.0%	0		2.84s	795	78	0
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.64s	699	89	640

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Gemma 4 31B	6.5	10.0	33.3%	0		4.23s	828	108	0
KAT-Coder-Air V2.5	3.1	4.6	22.2%	2		1.57s	696	294	796

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.47s	8,391	330	1,065

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Gemma 4 31B	3.0	10.0	0.0%	0		1.25s	224	12	0
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		19.98s	136	10	6,488

Comparación rápida

Cambiar par de comparación