#164

Gemma 4 31B

Google प्रकाशन: 2026-04-02 चाचणी तारीख: 2026-08-14 02:55 google/gemma-4-31b-it::medium

30.7Bघनमुक्त स्रोत

(medium) (none)

सारांश

Gemma 4 31B AI BENCHY वर 6.2 स्कोर करते आणि #164 वर आहे. याची reliability 10.0, pass rate 65.2%, एकूण खर्च $0.101, आणि सरासरी response time 78.59s आहे.

Gemma 4 31B खास का आहे: हे Samanya Buddhimatta मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर टूल कॉलिंग हा सर्वात कमकुवत भाग आहे, rank #15.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

जाहीर केलेले

पॅरामीटर्स: 30.7B
आर्किटेक्चर: घन
उपलब्धता: मुक्त स्रोत
परवाना: Apache-2.0

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

6.2

सुसंगतता

8.7

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$0.101 ↓ -32.9%

या किमतीवर चाचणी केली: $0.150

एकूण आउटपुट टोकन्स

267,421

एकूण इनपुट टोकन्स

94,969

इनपुट किंमत

$0.100 / 1M

आउटपुट किंमत

$0.340 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 9

प्रति प्रयत्न पास दर: 65.2%

अस्थिर चाचण्या

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

78.59s

प्रतिसाद वेळ (कमाल): 437.40s

प्रतिसाद वेळ (एकूण): 1571.84s

चुकीचे उत्तर: 3 API त्रुटी: 2 वेळ संपला: 2 अवैध टूल कॉल: 1 उत्तर नाही: 1

Hamster playing table tennis

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

#164 Gemma 4 31B

medium

खर्च: $0.002
वेळ: 45.7s
टोकन्स: 2,696 tok

रन इतिहास

चाचणी तारीख	स्कोअर	विश्वसनीयता	एकूण खर्च	तुलना करा
2026-08-14 02:55 पुन्हा चाचणी	6.2	10.0	$0.101 ↓	सध्याची रन
2026-07-16 23:24 नवीन चाचणी जोडली	6.3	10.0	$0.163 ↑	तुलना करा
2026-06-04 14:27 नवीन चाचणी जोडली	7.9	8.9	$0.035 ↓	तुलना करा
2026-05-22 00:35 सूट बदलला	8.0	6.7	$0.029	तुलना करा
2026-04-14 00:56 पहिली नोंदलेली रन	8.3	लागू नाही	$0.018	तुलना करा

या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.

रन तुलना

रन	बेंचमार्क कव्हरेज	स्कोअर	सुसंगतता	विश्वसनीयता	बरोबर चाचण्या	अस्थिर चाचण्या	एकूण आउटपुट टोकन्स	एकूण इनपुट टोकन्स	एकूण खर्च	प्रतिसाद वेळ (सरासरी)
2026-08-14 02:55 · सध्याची रन	66/66 प्रयत्न	6.2	8.7	10.0	13/22	3	267,421	94,969	$0.101	78.59s
2026-06-04 14:27 · नवीन चाचणी जोडली	63/63 प्रयत्न	7.9	9.1	8.9	14/21	2	88,082	17,957	$0.035	56.55s
फरक	—	-1.7	-0.4	+1.1	-1	+1	+179339	+77012	+$0.067	+22044ms

बेंचमार्क कव्हरेज वेगळे आहे: 66/66 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 63/63 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती). एकूण मूल्ये आणि पुनरावृत्तीवर अवलंबून मेट्रिक्स थेट तुलना करता येत नाहीत.

या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.

किंमत इतिहास

OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.

तारीख	इनपुट किंमत	आउटपुट किंमत
2026-06-04 15:40	$0.120 / 1M	$0.370 / 1M
2026-06-05 23:32	$0.120 / 1M	$0.360 / 1M
2026-06-12 18:42	$0.120 / 1M	$0.350 / 1M
2026-07-14 10:48	$0.060 / 1M	$0.350 / 1M
2026-07-16 15:36	$0.220 / 1M	$0.550 / 1M
2026-07-25 03:22	$0.140 / 1M	$0.400 / 1M
2026-08-14 12:51	$0.100 / 1M	$0.340 / 1M

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

श्रेणीवार तपशील

श्रेणी	स्कोअर	सुसंगतता
अँटी-एआय युक्त्या	10.0	10.0
कोडिंग	4.3	5.8
संयुक्त	2.9	5.8
डेटा पार्सिंग आणि निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	5.3	7.2
Samanya Buddhimatta	10.0	10.0
सूचनांचे पालन	10.0	10.0
कोडी सोडवणे	9.9	10.0
टूल कॉलिंग	3.0	10.0
सामान्य ज्ञान	3.0	10.0

Gemma 4 31B

मॉडेलची माहिती

Hamster playing table tennis

#164 Gemma 4 31B

चार्ट्स

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर vs एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

श्रेणीवार तपशील

तुलना केलेली मॉडेल्स