AI BENCHY Compare

Google: Gemma 4 31B vs OpenAI: GPT-5.2

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-05-10

Metrik	Gemma 4 31B Gemma 4 31B none Rilis: 2026-04-02 Tersedia gratis	GPT-5.2 GPT-5.2 medium Rilis: 2025-12-11

Metrik	Gemma 4 31B Gemma 4 31B none Rilis: 2026-04-02 Tersedia gratis	GPT-5.2 GPT-5.2 medium Rilis: 2025-12-11
Skor	6.9	7.2
Peringkat	#66	#60
Keandalan	10.0	10.0
Konsistensi	10.0	8.2
Tes benar
Tingkat lulus per percobaan	52.6%	68.4%
Tes tidak stabil	0	4
Total Run	57	57
Biaya per hasil	0.025	3.609
Total Biaya	$0.003	$0.397
Harga input	$0.130 / 1M	$1.750 / 1M
Harga output	$0.380 / 1M	$14.000 / 1M
Token output	1,371	2,731
Token penalaran	0	22,200
Waktu respons (rata-rata)	3.86s	15.22s
Waktu respons (maks)	26.13s	77.80s
Waktu respons (total)	65.57s	182.59s

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 output	Token penalaran
Gemma 4 31B	6.5	10.0	50.0%	0		1.85s	45	0
GPT-5.2	6.5	8.0	58.3%	1		7.81s	567	2,002

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
Gemma 4 31B	10.0	10.0	100.0%	0		26.13s	699	0
GPT-5.2	10.0	10.0	100.0%	0		15.12s	467	2,166

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0
GPT-5.2	10.0	10.0	100.0%	0		14.06s	291	1,757

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
Gemma 4 31B	10.0	10.0	100.0%	0		2.25s	285	0
GPT-5.2	10.0	10.0	100.0%	0		3.15s	234	420

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
Gemma 4 31B	7.7	10.0	66.7%	0		3.22s	27	0
GPT-5.2	5.9	7.2	55.6%	1		77.80s	42	10,342

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
Gemma 4 31B	10.0	10.0	100.0%	0		2.09s	117	0
GPT-5.2	3.7	9.7	0.0%	0		4.32s	162	269

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
Gemma 4 31B	6.5	10.0	50.0%	0		2.84s	78	0
GPT-5.2	9.9	10.0	100.0%	0		3.12s	94	614

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
Gemma 4 31B	6.5	10.0	33.3%	0		2.95s	108	0
GPT-5.2	7.6	7.3	77.8%	1		5.47s	609	938

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0
GPT-5.2	4.7	1.6	66.7%	1		10.30s	239	469

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
Gemma 4 31B	3.0	10.0	0.0%	0		1.25s	12	0
GPT-5.2	3.0	10.0	0.0%	0		28.18s	26	3,223

Perbandingan Cepat

Ganti Pasangan Perbandingan

DeepSeek V4 ProhighvsGemma 4 31BnoneTersedia gratis Gemma 4 31BnoneTersedia gratisvsGrok 4.20medium Claude Sonnet 4.6nonevsGPT-5.2medium Ring 2.6 1tnoneTersedia gratisvsGPT-5.2medium GPT-5.2mediumvsQwen3.6 Max Previewnone Gemma 4 31BnoneTersedia gratisvsGPT-5 Minimedium Gemma 4 31BnoneTersedia gratisvsKimi K2.5medium Gemma 4 31BnoneTersedia gratisvsQwen3.6 27Bmedium Gemma 4 31BnoneTersedia gratisvsMiMo-V2-Omnimedium Gemma 4 31BnoneTersedia gratisvsGPT-5.4 Minimedium DeepSeek V3.2mediumvsGemma 4 31BnoneTersedia gratis Gemma 4 31BnoneTersedia gratisvsQwen3.5-35B-A3Bmedium