#24 Gemma 4 31B
medium- Biaya
- $0.002
- Waktu
- 45.7s
- Token
- 2,696 tok
Google
Rilis: 2026-04-02
Diuji pada: 2026-05-22 00:35
google/gemma-4-31b-it::medium
30.7BPadatSumber terbuka
(medium)
(none)
Ringkasan
Gemma 4 31B mendapat skor 8.0 di AI BENCHY dan berada di peringkat #24. Model ini memiliki reliabilitas 6.7, tingkat keberhasilan 75.0%, total biaya $0.029, dan waktu respons rata-rata 35.51s.
Yang membuat Gemma 4 31B unik: Model ini paling menonjol di Spesifik domain, dengan peringkat #1, sementara Pemrograman adalah area terlemahnya di #18. Total biaya benchmark-nya sangat rendah untuk kisaran skornya.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- 30.7B
- Arsitektur
- Padat
- Ketersediaan
- Sumber terbuka
- Lisensi
- Apache-2.0
8.0
Konsistensi
9.2
6.7
$0.029
Total token output
69,291
Total token input
0
Harga input
$0.120 / 1M
Harga output
$0.370 / 1M
Tes tidak stabil
2
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-08-14 02:55 Uji ulang | 6.2 | 10.0 | $0.101 ↓ | Bandingkan | |
| 2026-07-16 23:24 Tes baru ditambahkan | 6.3 | 10.0 | $0.163 ↑ | Bandingkan | |
| 2026-06-04 14:27 Tes baru ditambahkan | 7.9 | 8.9 | $0.035 ↓ | Bandingkan | |
| 2026-05-22 00:35 Suite berubah | 8.0 | 6.7 | $0.029 | Run saat ini | |
| 2026-04-14 00:56 Run pertama yang tercatat | 8.3 | T/A | $0.018 | Bandingkan |
Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.
Perbandingan run
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:35 · Suite berubah | 60/60 percobaan | 8.0 | 9.2 | 6.7 | 14/20 | 2 | 69,291 | 0 | $0.029 | 35.51s |
| 2026-08-14 02:55 · Uji ulang | 66/66 percobaan | 6.2 | 8.7 | 10.0 | 13/22 | 3 | 267,421 | 94,969 | $0.101 | 78.59s |
| Selisih | — | +1.8 | +0.5 | -3.3 | +1 | -1 | -198130 | -94969 | -$0.072 | -43082ms |
Cakupan benchmark berbeda: 60/60 percobaan (Target: 3 pengulangan per tes) dibanding 66/66 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
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
Perbandingan Cepat
Gemma 4 31BmediumTersedia gratisvsSeed-2.0-LitenoneGemma 4 31BmediumTersedia gratisvsGPT-5.6 LunalowGemma 4 31BmediumTersedia gratisvsRing-2.6-1TmediumGemma 4 31BmediumTersedia gratisvsClaude Sonnet 5noneGemma 4 31BmediumTersedia gratisvsLing-3.0-flashhighGemma 4 31BmediumTersedia gratisvsGemini 3.1 Flash LiteminimalGemma 4 31BmediumTersedia gratisvsMiMo-V2.5mediumGemma 4 31BmediumTersedia gratisvsQwen3.5-35B-A3BmediumGemma 4 31BmediumTersedia gratisvsLongCat 2.0noneGemma 4 31BmediumTersedia gratisvsgpt-oss-120bmedium
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 10.0 | 10.0 | |
| Pemrograman | 3.8 | 1.6 | |
| Gabungan | 3.0 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 7.7 | 10.0 | |
| Kecerdasan umum | 10.0 | 10.0 | |
| Kepatuhan instruksi | 10.0 | 10.0 | |
| Pemecahan teka-teki | 9.9 | 10.0 | |
| Pemanggilan alat | 3.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |