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 7.1 vs 6.1. Gemma 4 31B memiliki biaya benchmark lebih rendah di $0.004 vs $1.148. Gemma 4 31B lebih cepat di 4.05s vs 64.46s, dengan tingkat keberhasilan 47.6% vs 63.5%.

Model yang direkomendasikan: Gemma 4 31B - It offers the best overall trade-off: a competitive score (6.1), lower cost than Step 3.7 Flash, and balanced response time.

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

Metrik	Gemma 4 31B Gemma 4 31B none Rilis: 2026-04-02 Tersedia gratis	Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29

Metrik	Gemma 4 31B Gemma 4 31B none Rilis: 2026-04-02 Tersedia gratis	Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29
Skor	6.1	7.1
Peringkat	#98	#63
Keandalan	10.0	10.0
Konsistensi	10.0	8.2
Tes benar
Tingkat lulus per percobaan	47.6%	63.5%
Tes tidak stabil	0	4
Total Run	63	63
Biaya per hasil	0.034	10.434
Total Biaya	$0.004	$1.148
Harga input	$0.120 / 1M	$0.200 / 1M
Harga output	$0.350 / 1M	$1.150 / 1M
Total token input	20,911	38,391
Token output	1,407	991,355
Token penalaran	0	0
Waktu respons (rata-rata)	4.05s	64.46s
Waktu respons (maks)	26.13s	364.99s
Waktu respons (total)	76.87s	1353.57s

Showcase generasi

Hamster playing table tennis

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

#98 Gemma 4 31B

none

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

#63 Step 3.7 Flash

high

Biaya: $0.007
Waktu: 63.6s
Token: 6,030 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
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	696	42,656	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	5.5	10.0	33.3%	0		11.19s	8,381	735	0
Step 3.7 Flash	4.0	6.0	22.2%	1		206.21s	6,057	327,340	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		13.01s	13,638	8,802	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		2.25s	8,352	285	0
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	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		3.22s	903	27	0
Step 3.7 Flash	4.1	4.4	44.5%	2		149.64s	783	410,502	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		2.09s	576	117	0
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	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	6.5	10.0	50.0%	0		2.84s	795	78	0
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	705	2,010	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	6.5	10.0	33.3%	0		4.23s	828	108	0
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	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		2.79s	7,701	1,172	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		1.25s	224	12	0
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

Perbandingan Cepat

Ganti Pasangan Perbandingan