AI BENCHY Compare

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

Ringkasan

Perbandingan benchmark Gemma 4 31B vs GPT-5.6 Luna (low): GPT-5.6 Luna (low) unggul dalam skor rata-rata dengan 6.2 vs 6.1. Gemma 4 31B memiliki biaya benchmark lebih rendah di $0.004 vs $0.141. Gemma 4 31B lebih cepat di 4.05s vs 4.35s, dengan tingkat keberhasilan 47.6% vs 57.1%.

Model yang direkomendasikan: Gemma 4 31B - Its score stays close to the best score here (6.1 vs 6.2), while costing about 46.7x less than GPT-5.6 Luna (low).

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

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

Metrik	Gemma 4 31B Gemma 4 31B none Rilis: 2026-04-02 Tersedia gratis	GPT-5.6 Luna GPT-5.6 Luna low Rilis: 2026-07-09
Skor	6.1	6.2
Peringkat	#113	#107
Keandalan	10.0	10.0
Konsistensi	10.0	8.5
Tes benar
Tingkat lulus per percobaan	47.6%	57.1%
Tes tidak stabil	0	4
Total Run	63	63
Biaya per hasil	0.034	1.404
Total Biaya	$0.004	$0.141
Harga input	$0.120 / 1M	$1.000 / 1M
Harga output	$0.350 / 1M	$6.000 / 1M
Total token input	20,911	34,218
Token output	1,407	2,110
Token penalaran	0	15,571
Waktu respons (rata-rata)	4.05s	4.35s
Waktu respons (maks)	26.13s	18.06s
Waktu respons (total)	76.87s	91.45s

Showcase generasi

Hamster playing table tennis

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

#113 Gemma 4 31B

none

Biaya: $0.001
Waktu: 12.8s
Token: 795 tok

#107 GPT-5.6 Luna

low

Biaya: $0.011
Waktu: 10.2s
Token: 1,897 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	6.5	10.0	50.0%	0		1.85s	852	45	0
GPT-5.6 Luna	8.3	10.0	75.0%	0		2.21s	606	186	722

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	5.5	10.0	33.3%	0		11.19s	8,381	735	0
GPT-5.6 Luna	5.5	10.0	33.3%	0		4.61s	7,302	557	3,535

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	2.8	1.6	33.3%	1		7.99s	11,019	300	1,060

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		2.25s	8,352	285	0
GPT-5.6 Luna	10.0	10.0	100.0%	0		2.14s	7,140	234	292

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		3.22s	903	27	0
GPT-5.6 Luna	3.6	7.2	22.2%	1		10.05s	723	70	6,718

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		2.09s	576	117	0
GPT-5.6 Luna	5.0	10.0	0.0%	0		2.25s	477	122	169

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	6.5	10.0	50.0%	0		2.84s	795	78	0
GPT-5.6 Luna	8.5	6.8	83.3%	1		2.04s	660	93	259

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	6.5	10.0	33.3%	0		4.23s	828	108	0
GPT-5.6 Luna	7.6	7.2	77.8%	1		3.59s	642	271	1,207

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		4.43s	5,454	250	177

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		1.25s	224	12	0
GPT-5.6 Luna	3.0	10.0	0.0%	0		4.86s	195	27	1,432

Perbandingan Cepat

Ganti Pasangan Perbandingan

Seed-2.0-LitenonevsGPT-5.6 Lunalow Gemini 2.5 FlashnonevsGPT-5.6 Lunalow Gemini 3.1 Flash LiteminimalvsGPT-5.6 Lunalow Gemini 3.1 Flash LitenonevsGPT-5.6 Lunalow GPT-5.6 LunalowvsQwen3.5-Flashnone GPT-5.6 LunalowvsQwen3.5-35B-A3Bmedium Gemma 4 31BmediumTersedia gratisvsGPT-5.6 Lunalow Nemotron 3 SupermediumTersedia gratisvsGPT-5.6 Lunalow Nemotron 3 Ultra 550b A55bnoneTersedia gratisvsGPT-5.6 Lunalow GPT-5.6 LunalowvsQwen3.6 Max Previewnone Gemma 4 31BnoneTersedia gratisvsQwen3.5-35B-A3Bmedium GPT-5.6 LunalowvsGLM 5none