AI BENCHY Compare

Google: Gemma 4 31B vs OpenAI: GPT-5.6 Luna

Ringkasan

Perbandingan benchmark Gemma 4 31B (medium) vs GPT-5.6 Luna: Gemma 4 31B (medium) unggul dalam skor rata-rata dengan 6.3 vs 5.3. Gemma 4 31B (medium) memiliki biaya benchmark lebih rendah di $0.033 vs $0.047. GPT-5.6 Luna lebih cepat di 1.06s vs 56.55s, dengan tingkat keberhasilan 69.8% vs 36.5%.

Model yang direkomendasikan: Gemma 4 31B (medium) - It has the strongest score in this comparison (6.3) and the best overall balance of cost and response time across all 2 models.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-09

Metrik	Gemma 4 31B Gemma 4 31B medium Rilis: 2026-04-02 Tersedia gratis	GPT-5.6 Luna GPT-5.6 Luna none Rilis: 2026-07-09

Metrik	Gemma 4 31B Gemma 4 31B medium Rilis: 2026-04-02 Tersedia gratis	GPT-5.6 Luna GPT-5.6 Luna none Rilis: 2026-07-09
Skor	6.3	5.3
Peringkat	#102	#142
Keandalan	10.0	10.0
Konsistensi	9.4	8.8
Tes benar
Tingkat lulus per percobaan	69.8%	36.5%
Tes tidak stabil	1	3
Total Run	63	63
Biaya per hasil	0.257	0.767
Total Biaya	$0.033	$0.047
Harga input	$0.120 / 1M	$1.000 / 1M
Harga output	$0.350 / 1M	$6.000 / 1M
Total token input	17,957	34,218
Token output	22,356	1,967
Token penalaran	65,726	0
Waktu respons (rata-rata)	56.55s	1.06s
Waktu respons (maks)	437.40s	2.80s
Waktu respons (total)	1074.41s	22.34s

Showcase generasi

Hamster playing table tennis

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

#102 Gemma 4 31B

medium

Biaya: $0.002
Waktu: 45.7s
Token: 2,696 tok

#142 GPT-5.6 Luna

none

Biaya: $0.016
Waktu: 15.8s
Token: 2,685 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-5.6 Luna	4.8	10.0	25.0%	0		901ms	606	266	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-5.6 Luna	3.8	7.2	22.2%	1		980ms	7,302	459	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-5.6 Luna	3.0	10.0	0.0%	0		2.78s	11,019	280	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-5.6 Luna	10.0	10.0	100.0%	0		758ms	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-5.6 Luna	2.9	7.2	11.1%	1		737ms	723	54	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-5.6 Luna	5.0	10.0	0.0%	0		1.00s	477	150	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-5.6 Luna	7.1	5.8	83.3%	1		1.23s	660	86	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-5.6 Luna	5.3	10.0	33.3%	0		790ms	642	202	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-5.6 Luna	10.0	10.0	100.0%	0		2.80s	5,454	222	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-5.6 Luna	3.0	10.0	0.0%	0		651ms	195	26	0

Perbandingan Cepat

Ganti Pasangan Perbandingan