#164

Gemma 4 31B

Google रिलीज़: 2026-04-02 परीक्षण किया गया: 2026-08-14 02:55 google/gemma-4-31b-it::medium

30.7Bसघनमुक्त स्रोत

(medium) (none)

सारांश

Gemma 4 31B AI BENCHY पर 6.2 स्कोर करता है और #164 पर है। इसकी reliability 10.0, pass rate 65.2%, कुल लागत $0.101, और औसत response time 78.59s है।

Gemma 4 31B को अलग क्या बनाता है: यह Samanya Buddhimatta में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि टूल कॉलिंग इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

घोषित

पैरामीटर: 30.7B
आर्किटेक्चर: सघन
उपलब्धता: मुक्त स्रोत
लाइसेंस: Apache-2.0

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

6.2

संगति

8.7

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.101 ↓ -32.9%

परीक्षण के समय: $0.150

कुल आउटपुट टोकन

267,421

कुल इनपुट टोकन

94,969

इनपुट कीमत

$0.100 / 1M

आउटपुट कीमत

$0.340 / 1M

सही परीक्षण

गलत टेस्ट: 9

प्रति प्रयास पास दर: 65.2%

अस्थिर टेस्ट

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

78.59s

प्रतिक्रिया समय (अधिकतम): 437.40s

प्रतिक्रिया समय (कुल): 1571.84s

गलत उत्तर: 3 API त्रुटि: 2 समय समाप्त: 2 अमान्य टूल कॉल: 1 कोई उत्तर नहीं: 1

Hamster playing table tennis

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

#164 Gemma 4 31B

medium

लागत: $0.002
समय: 45.7s
टोकन: 2,696 tok

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	कुल लागत	तुलना करें
2026-08-14 02:55 दोबारा परीक्षण	6.2	10.0	$0.101 ↓	वर्तमान रन
2026-07-16 23:24 नया टेस्ट जोड़ा गया	6.3	10.0	$0.163 ↑	तुलना करें
2026-06-04 14:27 नया टेस्ट जोड़ा गया	7.9	8.9	$0.035 ↓	तुलना करें
2026-05-22 00:35 सूट बदला गया	8.0	6.7	$0.029	तुलना करें
2026-04-14 00:56 पहला दर्ज रन	8.3	लागू नहीं	$0.018	तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

रन तुलना

रन	बेंचमार्क कवरेज	स्कोर	संगति	विश्वसनीयता	सही परीक्षण	अस्थिर टेस्ट	कुल आउटपुट टोकन	कुल इनपुट टोकन	कुल लागत	प्रतिक्रिया समय (औसत)
2026-08-14 02:55 · वर्तमान रन	66/66 प्रयास	6.2	8.7	10.0	13/22	3	267,421	94,969	$0.101	78.59s
2026-05-22 00:35 · सूट बदला गया	60/60 प्रयास	8.0	9.2	6.7	14/20	2	69,291	0	$0.029	35.51s
अंतर	—	-1.8	-0.5	+3.3	-1	+1	+198130	+94969	+$0.072	+43082ms

बेंचमार्क कवरेज अलग है: 66/66 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 60/60 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख	इनपुट कीमत	आउटपुट कीमत
2026-06-04 15:40	$0.120 / 1M	$0.370 / 1M
2026-06-05 23:32	$0.120 / 1M	$0.360 / 1M
2026-06-12 18:42	$0.120 / 1M	$0.350 / 1M
2026-07-14 10:48	$0.060 / 1M	$0.350 / 1M
2026-07-16 15:36	$0.220 / 1M	$0.550 / 1M
2026-07-25 03:22	$0.140 / 1M	$0.400 / 1M
2026-08-14 12:51	$0.100 / 1M	$0.340 / 1M

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी	स्कोर	संगति
एंटी-एआई ट्रिक्स	10.0	10.0
कोडिंग	4.3	5.8
संयुक्त	2.9	5.8
डेटा पार्सिंग और निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	5.3	7.2
Samanya Buddhimatta	10.0	10.0
निर्देश पालन	10.0	10.0
पहेली समाधान	9.9	10.0
टूल कॉलिंग	3.0	10.0
सामान्य ज्ञान	3.0	10.0

Gemma 4 31B

मॉडल विवरण

Hamster playing table tennis

#164 Gemma 4 31B

चार्ट

स्कोर के अनुसार शीर्ष मॉडल

स्कोर vs कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

तुलना किए गए मॉडल