AI BENCHY Compare

DeepSeek: DeepSeek V4 Pro vs Google: Gemma 4 31B

Ringkasan

Perbandingan benchmark DeepSeek V4 Pro vs Gemma 4 31B: DeepSeek V4 Pro unggul dalam skor rata-rata dengan 6.3 vs 6.1. Gemma 4 31B memiliki biaya benchmark lebih rendah di $0.004 vs $0.079. Gemma 4 31B lebih cepat di 4.05s vs 65.21s, dengan tingkat keberhasilan 52.4% vs 47.6%.

Model yang direkomendasikan: Gemma 4 31B - Its score stays close to the best score here (6.1 vs 6.3), while costing about 26.1x less than DeepSeek V4 Pro.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-12

Metrik	DeepSeek V4 Pro DeepSeek V4 Pro high Rilis: 2026-04-24	Gemma 4 31B Gemma 4 31B none Rilis: 2026-04-02 Tersedia gratis

Metrik	DeepSeek V4 Pro DeepSeek V4 Pro high Rilis: 2026-04-24	Gemma 4 31B Gemma 4 31B none Rilis: 2026-04-02 Tersedia gratis
Skor	6.3	6.1
Peringkat	#90	#98
Keandalan	9.0	10.0
Konsistensi	7.6	10.0
Tes benar
Tingkat lulus per percobaan	52.4%	47.6%
Tes tidak stabil	6	0
Total Run	63	63
Biaya per hasil	2.869	0.034
Total Biaya	$0.079	$0.004
Harga input	$0.435 / 1M	$0.120 / 1M
Harga output	$0.870 / 1M	$0.350 / 1M
Total token input	32,240	20,911
Token output	12,250	1,407
Token penalaran	72,257	0
Waktu respons (rata-rata)	65.21s	4.05s
Waktu respons (maks)	358.35s	26.13s
Waktu respons (total)	1304.19s	76.87s

Generation showcase

Hamster playing table tennis

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

#90 DeepSeek V4 Pro

high

Cost: $0.023
Time: 257.6s
Tokens: 14,870 tok

#98 Gemma 4 31B

none

Cost: $0.001
Time: 12.8s
Tokens: 795 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	6.4	7.9	58.3%	1		16.53s	448	71	3,617
Gemma 4 31B	6.5	10.0	50.0%	0		1.85s	852	45	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	3.3	6.4	11.1%	1		118.23s	1,966	111	20,940
Gemma 4 31B	5.5	10.0	33.3%	0		11.19s	8,381	735	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	10.0	10.0	100.0%	0		65.02s	14,016	465	5,914
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	0

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	7.3	5.9	83.3%	1		23.62s	5,633	229	1,710
Gemma 4 31B	10.0	10.0	100.0%	0		2.25s	8,352	285	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	2.9	7.2	11.1%	1		205.66s	430	10,529	28,089
Gemma 4 31B	7.7	10.0	66.7%	0		3.22s	903	27	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	6.1	3.1	66.7%	1		25.09s	314	76	1,152
Gemma 4 31B	10.0	10.0	100.0%	0		2.09s	576	117	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	10.0	10.0	100.0%	0		41.16s	627	205	2,416
Gemma 4 31B	6.5	10.0	50.0%	0		2.84s	795	78	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	5.9	7.2	55.6%	1		34.84s	544	139	4,019
Gemma 4 31B	6.5	10.0	33.3%	0		4.23s	828	108	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	10.0	10.0	100.0%	0		21.33s	8,079	372	593
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	3.0	10.0	0.0%	0		39.14s	183	53	3,807
Gemma 4 31B	3.0	10.0	0.0%	0		1.25s	224	12	0

Perbandingan Cepat

Ganti Pasangan Perbandingan