#15

Gemma 4 31B

Google रिलीज़: 2026-04-02 परीक्षण किया गया: 2026-04-14 00:56 google/gemma-4-31b-it::medium

(medium) (none)

सारांश

Gemma 4 31B AI BENCHY पर 8.3 स्कोर करता है और #15 पर है। इसकी reliability लागू नहीं, pass rate 79.6%, कुल लागत $0.018, और औसत response time 24.88s है।

Gemma 4 31B को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #17 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।

स्कोर

8.3

संगति

9.2

विश्वसनीयता

लागू नहीं

कुल लागत (वर्तमान कीमत)

$0.018

कुल आउटपुट टोकन

40,684

कुल इनपुट टोकन

इनपुट कीमत

$0.130 / 1M

आउटपुट कीमत

$0.380 / 1M

सही परीक्षण

गलत टेस्ट: 5

प्रति प्रयास पास दर: 79.6%

अस्थिर टेस्ट

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

प्रतिक्रिया समय (औसत)

24.88s

प्रतिक्रिया समय (अधिकतम): 70.97s

प्रतिक्रिया समय (कुल): 398.13s

API त्रुटि: 2 निर्देशों का पालन नहीं किया: 1 समय समाप्त: 1 गलत उत्तर: 1

जनरेशन शोकेस

Hamster playing table tennis

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

#15 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
2026-06-04 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	वर्तमान रन

रन तुलना

रन	स्कोर	संगति	विश्वसनीयता	सही परीक्षण	अस्थिर टेस्ट	कुल आउटपुट टोकन	कुल लागत	प्रतिक्रिया समय (औसत)
2026-04-14 00:56 · पहला दर्ज रन	8.3	9.2	लागू नहीं	13/18	2	40,684	$0.018	24.88s
2026-05-22 00:35 · सूट बदला गया	8.0	9.2	6.7	14/20	2	69,291	$0.029	35.51s
अंतर	+0.4	0.0		-1	0	-28607	-$0.012	-10626ms

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

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	4.7	1.6
संयुक्त	3.0	10.0
डेटा पार्सिंग और निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	7.7	10.0
Samanya Buddhimatta	10.0	10.0
निर्देश पालन	10.0	10.0
पहेली समाधान	8.8	7.9
टूल कॉलिंग	3.0	10.0

Gemma 4 31B

Hamster playing table tennis

#15 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