#24

Gemma 4 31B

Google Lanzamiento: 2026-04-02 Probado el: 2026-05-22 00:35 google/gemma-4-31b-it::medium

30.7BDensoCódigo abierto

(medium) (none)

Resumen

Gemma 4 31B obtiene 8.0 en AI BENCHY y ocupa el puesto #24. Tiene fiabilidad 6.7, una tasa de aciertos de 75.0%, coste total de $0.029 y tiempo medio de respuesta de 35.51s.

Qué hace único a Gemma 4 31B: Destaca más en Específico del dominio, donde ocupa #1, mientras que Programación es su área más débil con #18. Su coste total de benchmark es inusualmente bajo para su nivel de puntuación.

Datos del modelo

Investigado el 2026-08-12

Declarado

Parámetros: 30.7B
Arquitectura: Denso
Disponibilidad: Código abierto
Licencia: Apache-2.0

Fuente de los parámetros Fuente de disponibilidad

Puntuación

8.0

Consistencia

9.2

Fiabilidad

6.7

Costo total (precio actual)

$0.029

Total de tokens de salida

69,291

Total de tokens de entrada

Precio de entrada

$0.120 / 1M

Precio de salida

$0.370 / 1M

Pruebas correctas

Pruebas incorrectas: 6

Tasa de aciertos por intento: 75.0%

Pruebas inestables

Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).

Tiempo de respuesta (promedio)

35.51s

Tiempo de respuesta (máximo): 150.90s

Tiempo de respuesta (total): 639.17s

Error de API: 2 Respuesta incorrecta: 2 Sin respuesta: 1 Tiempo agotado: 1

Hamster playing table tennis

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

#24 Gemma 4 31B

medium

Coste: $0.002
Tiempo: 45.7s
Tokens: 2,696 tok

Historial de ejecuciones

Probado el	Puntuación	Fiabilidad	Costo total	Comparar
2026-08-14 02:55 Nueva prueba	6.2	10.0	$0.101 ↓	Comparar
2026-07-16 23:24 Prueba nueva añadida	6.3	10.0	$0.163 ↑	Comparar
2026-06-04 14:27 Prueba nueva añadida	7.9	8.9	$0.035 ↓	Comparar
2026-05-22 00:35 Suite modificada	8.0	6.7	$0.029	Ejecución actual
2026-04-14 00:56 Primera ejecución registrada	8.3	N/D	$0.018	Comparar

Esta ejecución usó una suite de benchmark diferente. Ten en cuenta los cambios de suite al interpretar la evolución histórica.

Comparación de ejecuciones

Ejecución	Cobertura del benchmark	Puntuación	Consistencia	Fiabilidad	Pruebas correctas	Pruebas inestables	Total de tokens de salida	Costo total	Tiempo de respuesta (promedio)
2026-05-22 00:35 · Suite modificada	60/60 intentos	8.0	9.2	6.7	14/20	2	69,291	$0.029	35.51s
2026-04-14 00:56 · Primera ejecución registrada	54/54 intentos	8.3	9.2	N/D	13/18	2	40,684	$0.018	24.88s
Diferencia	—	-0.4	0.0		+1	0	+28607	+$0.012	+10626ms

La cobertura del benchmark difiere: 60/60 intentos (Objetivo: 3 repeticiones por prueba) frente a 54/54 intentos (Objetivo: 3 repeticiones por prueba). Los totales y las métricas sensibles a las repeticiones no son directamente comparables.

Estas dos ejecuciones usaron suites de benchmark distintas, así que las diferencias reflejan tanto cambios del modelo como de la suite.

Gráficos

Elige el primer modelo y luego haz clic en un segundo modelo para abrir una página lado a lado.

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

Comparación rápida

Desglose por categoría

Categoría	Puntuación	Consistencia
Trucos anti-IA	10.0	10.0
Programación	3.8	1.6
Combinado	3.0	10.0
Análisis y extracción de datos	10.0	10.0
Específico del dominio	7.7	10.0
Inteligencia general	10.0	10.0
Seguimiento de instrucciones	10.0	10.0
Resolución de acertijos	9.9	10.0
Llamada de herramientas	3.0	10.0
Cultura general	3.0	10.0

Gemma 4 31B

Datos del modelo

Hamster playing table tennis

#24 Gemma 4 31B

Gráficos

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

Comparación rápida

Desglose por categoría

Modelos comparados