Navigasi
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Google: Gemma 4 31B vs OpenAI: GPT-5.4

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-03

Metrik Gemma 4 31B Gemma 4 31B medium Rilis: 2026-04-02 Tersedia gratis GPT-5.4 GPT-5.4 medium Rilis: 2026-03-05
Skor 8.0 7.9
Peringkat #22 #27
Keandalan 10.0 10.0
Konsistensi 9.5 8.5
Tes benar
Tingkat lulus per percobaan 73.3% 75.0%
Tes tidak stabil 1 4
Total Run 60 60
Biaya per hasil 0.205 8.765
Total Biaya $0.028 $1.140
Harga input $0.120 / 1M $2.500 / 1M
Harga output $0.370 / 1M $15.000 / 1M
Total token input 15,899 31,489
Token output 19,602 2,221
Token penalaran 49,686 68,486
Waktu respons (rata-rata) 35.39s 22.31s
Waktu respons (maks) 150.90s 100.41s
Waktu respons (total) 637.01s 446.17s

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
Gemma 4 31B 10.0 10.0 100.0% 0 12.89s 816 962 2,046
GPT-5.4 8.3 10.0 75.0% 0 4.11s 606 240 1,511
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemma 4 31B 4.1 4.7 33.3% 1 110.94s 3,510 8,344 17,172
GPT-5.4 8.2 6.7 83.3% 1 54.98s 4,686 412 19,995
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemma 4 31B 3.0 10.0 0.0% 0 0ms 0 0 0
GPT-5.4 10.0 10.0 100.0% 0 20.57s 11,019 301 3,543
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
Gemma 4 31B 10.0 10.0 100.0% 0 21.11s 8,334 1,822 2,951
GPT-5.4 10.0 10.0 100.0% 0 5.32s 7,140 234 804
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemma 4 31B 7.7 10.0 66.7% 0 38.48s 876 4,349 8,985
GPT-5.4 5.3 7.2 44.4% 1 74.27s 619 61 34,748
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemma 4 31B 10.0 10.0 100.0% 0 9.57s 567 105 888
GPT-5.4 4.7 3.1 33.3% 1 4.92s 477 145 321
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemma 4 31B 10.0 10.0 100.0% 0 12.76s 777 533 2,035
GPT-5.4 10.0 10.0 100.0% 0 3.11s 660 93 897
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemma 4 31B 9.9 10.0 100.0% 0 26.91s 801 1,795 5,595
GPT-5.4 8.2 7.2 88.9% 1 9.14s 642 441 3,815
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemma 4 31B 3.0 10.0 0.0% 0 0ms 0 0 0
GPT-5.4 10.0 10.0 100.0% 0 13.28s 5,445 264 1,031
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemma 4 31B 3.0 10.0 0.0% 0 90.14s 218 1,692 10,014
GPT-5.4 3.0 10.0 0.0% 0 13.95s 195 30 1,821

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.4mediumvsQwen3.7 MaxnoneGemini 3.5 FlashminimalvsGPT-5.4mediumGemma 4 31BmediumTersedia gratisvsQwen3.7 MaxnoneGemini 3.5 FlashnonevsGPT-5.4mediumGemma 4 31BmediumTersedia gratisvsGPT-5.2 ChatnoneGemini 3 Flash PreviewnonevsGPT-5.4mediumDeepSeek V4 FlashhighvsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumDeepSeek V4 FlashhighvsGemma 4 31BmediumTersedia gratisGemini 3.1 Flash Lite PreviewnonevsGPT-5.4mediumGemini 3.1 Flash LitelowvsGPT-5.4mediumGPT-5.4mediumvsStep 3.7 Flashlow