AI BENCHY Compare

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

Ringkasan

Perbandingan benchmark Gemma 4 31B vs GPT-5.4 Mini: Gemma 4 31B unggul dalam skor rata-rata dengan 6.3 vs 5.3. Gemma 4 31B memiliki biaya benchmark lebih rendah di $0.033 vs $0.038. GPT-5.4 Mini lebih cepat di 1.13s vs 56.55s, dengan tingkat keberhasilan 69.8% vs 30.2%.

Model yang direkomendasikan: GPT-5.4 Mini - It offers the best overall trade-off: a competitive score (5.3), faster response than Gemma 4 31B, and balanced cost.

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

Metrik	Gemma 4 31B Gemma 4 31B medium Rilis: 2026-04-02 Tersedia gratis	GPT-5.4 Mini GPT-5.4 Mini none Rilis: 2026-03-17

Metrik	Gemma 4 31B Gemma 4 31B medium Rilis: 2026-04-02 Tersedia gratis	GPT-5.4 Mini GPT-5.4 Mini none Rilis: 2026-03-17
Skor	6.3	5.3
Peringkat	#87	#131
Keandalan	10.0	10.0
Konsistensi	9.4	8.8
Tes benar
Tingkat lulus per percobaan	69.8%	30.2%
Tes tidak stabil	1	3
Total Run	63	63
Biaya per hasil	0.257	0.743
Total Biaya	$0.033	$0.038
Harga input	$0.120 / 1M	$0.750 / 1M
Harga output	$0.350 / 1M	$4.500 / 1M
Total token input	17,957	34,244
Token output	22,356	2,541
Token penalaran	65,726	0
Waktu respons (rata-rata)	56.55s	1.13s
Waktu respons (maks)	437.40s	2.52s
Waktu respons (total)	1074.41s	23.82s

Generation showcase

Hamster playing table tennis

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

#87 Gemma 4 31B

medium

Cost: $0.002
Time: 45.7s
Tokens: 2,696 tok

#131 GPT-5.4 Mini

none

Cost: $0.010
Time: 11.7s
Tokens: 2,151 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
Gemma 4 31B	10.0	10.0	100.0%	0		12.89s	816	962	2,046
GPT-5.4 Mini	3.1	8.1	8.3%	1		929ms	606	654	0

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	4.3	5.8	22.2%	1		219.76s	5,568	11,098	33,212
GPT-5.4 Mini	5.5	10.0	33.3%	0		913ms	7,305	401	0

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 Mini	3.0	10.0	0.0%	0		2.52s	11,019	298	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
Gemma 4 31B	10.0	10.0	100.0%	0		21.11s	8,334	1,822	2,951
GPT-5.4 Mini	10.0	10.0	100.0%	0		1.30s	7,140	222	0

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 Mini	3.5	4.4	33.3%	2		937ms	723	88	0

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 Mini	4.8	10.0	0.0%	0		1.82s	477	174	0

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 Mini	6.3	10.0	50.0%	0		728ms	660	101	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
Gemma 4 31B	9.9	10.0	100.0%	0		26.91s	801	1,795	5,595
GPT-5.4 Mini	5.4	10.0	33.3%	0		836ms	642	305	0

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 Mini	3.0	10.0	0.0%	0		2.32s	5,477	255	0

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 Mini	3.0	10.0	0.0%	0		1.33s	195	43	0

Perbandingan Cepat

Ganti Pasangan Perbandingan