AI BENCHY
Advertise here
#15

Gemma 4 31B

Google Lanzamiento: 2026-04-02 Probado el: 2026-04-14 00:56 google/gemma-4-31b-it::medium
30.7BDensoCódigo abierto
(medium) (none)

Resumen

Gemma 4 31B obtiene 8.3 en AI BENCHY y ocupa el puesto #15. Tiene fiabilidad N/D, una tasa de aciertos de 79.6%, coste total de $0.018 y tiempo medio de respuesta de 24.88s.

Qué hace único a Gemma 4 31B: Destaca más en Específico del dominio, donde ocupa #2, 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

8.3

Consistencia

9.2

Fiabilidad

N/D

Costo total (precio actual)

$0.018

Total de tokens de salida

40,684

Total de tokens de entrada

0

Precio de entrada

$0.130 / 1M

Precio de salida

$0.380 / 1M

Pruebas correctas

Pruebas incorrectas: 5

Tasa de aciertos por intento: 79.6%

Pruebas inestables

2

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

Tiempo de respuesta (promedio)

24.88s

Tiempo de respuesta (máximo): 70.97s

Tiempo de respuesta (total): 398.13s

Error de API: 2 No siguió las instrucciones: 1 Tiempo agotado: 1 Respuesta incorrecta: 1

Hamster playing table tennis

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

#15 Gemma 4 31B

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

Historial de ejecuciones

Probado el Puntuación Fiabilidad Pruebas correctas 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 Comparar
2026-04-14 00:56 Primera ejecución registrada 8.3 N/D $0.018 Ejecución actual

Comparación de ejecuciones

EjecuciónCobertura del benchmarkPuntuaciónConsistenciaFiabilidadPruebas correctasPruebas inestablesTotal de tokens de salidaTotal de tokens de entradaCosto totalTiempo de respuesta (promedio)
2026-04-14 00:56 · Primera ejecución registrada54/54 intentos8.39.2N/D13/18240,6840$0.01824.88s
2026-08-14 02:55 · Nueva prueba66/66 intentos6.28.710.013/223267,42194,969$0.10178.59s
Diferencia—+2.2+0.50-1-226737-94969-$0.083-53709ms

La cobertura del benchmark difiere: 54/54 intentos (Objetivo: 3 repeticiones por prueba) frente a 66/66 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.

Total de tokens de salida

Puntuación vs Total de tokens de salida

Comparación rápida

Gemma 4 31BmediumDisponible gratisvsSeed-2.0-LitenoneGemma 4 31BmediumDisponible gratisvsGPT-5.6 LunalowGemma 4 31BmediumDisponible gratisvsRing-2.6-1TmediumGemma 4 31BmediumDisponible gratisvsClaude Sonnet 5noneGemma 4 31BmediumDisponible gratisvsLing-3.0-flashhighGemma 4 31BmediumDisponible gratisvsGemini 3.1 Flash LiteminimalGemma 4 31BmediumDisponible gratisvsMiMo-V2.5mediumGemma 4 31BmediumDisponible gratisvsQwen3.5-35B-A3BmediumGemma 4 31BmediumDisponible gratisvsLongCat 2.0noneGemma 4 31BmediumDisponible gratisvsgpt-oss-120bmedium

Desglose por categoría

Categoría Puntuación Consistencia Pruebas correctas
Trucos anti-IA 10.0 10.0
Programación 4.7 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 8.8 7.9
Llamada de herramientas 3.0 10.0

Modelos comparados