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 StepFun: Step 3.7 Flash

Ringkasan

Perbandingan benchmark Gemma 4 31B vs Step 3.7 Flash: Step 3.7 Flash unggul dalam skor rata-rata dengan 7.7 vs 6.3. Gemma 4 31B memiliki biaya benchmark lebih rendah di $0.033 vs $0.341. Step 3.7 Flash lebih cepat di 15.74s vs 56.55s, dengan tingkat keberhasilan 69.8% vs 68.3%.

Model yang direkomendasikan: Step 3.7 Flash - It has the best score here (7.7), while responding about 3.6x faster than Gemma 4 31B.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-18

Metrik Gemma 4 31B Gemma 4 31B medium Rilis: 2026-04-02 Tersedia gratis Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29
Skor 6.3 7.7
Peringkat #88 #39
Keandalan 10.0 10.0
Konsistensi 9.4 8.4
Tes benar
Tingkat lulus per percobaan 69.8% 68.3%
Tes tidak stabil 1 4
Total Run 63 63
Biaya per hasil 0.257 2.840
Total Biaya $0.033 $0.341
Harga input $0.120 / 1M $0.200 / 1M
Harga output $0.350 / 1M $1.150 / 1M
Total token input 17,957 40,101
Token output 22,356 289,325
Token penalaran 65,726 0
Waktu respons (rata-rata) 56.55s 15.74s
Waktu respons (maks) 437.40s 124.75s
Waktu respons (total) 1074.41s 330.63s

Showcase generasi

Hamster playing table tennis

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

#88 Gemma 4 31B

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

#39 Step 3.7 Flash

low
SVG tidak valid
Biaya
$0.004
Waktu
25.3s
Token
3,072 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
Step 3.7 Flash 8.7 7.9 91.7% 1 4.02s 756 10,896 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
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 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
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 13,683 6,426 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
Step 3.7 Flash 7.3 5.8 83.3% 1 2.29s 7,398 2,667 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
Step 3.7 Flash 5.3 7.2 44.4% 1 43.31s 828 104,487 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
Step 3.7 Flash 3.4 9.3 0.0% 0 7.00s 525 4,604 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
Step 3.7 Flash 9.8 10.0 100.0% 0 1.58s 735 1,857 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
Step 3.7 Flash 5.5 9.9 33.3% 0 1.84s 756 3,564 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
Step 3.7 Flash 10.0 10.0 100.0% 0 3.25s 7,746 1,360 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
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 237 134,779 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3mediumGemma 4 31BmediumTersedia gratisvsGPT-5.5noneQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6mediumTersedia gratisvsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok Build 0.1mediumSeed-2.0-LitenonevsGemma 4 31BmediumTersedia gratis