AI BENCHY Compare

Google: Gemma 4 31B vs Kwaipilot: KAT-Coder-Air V2.5

Rezumat

Gemma 4 31B (medium) conduce la scorul mediu cu 6.3 vs 6.2. Gemma 4 31B (medium) are costul de benchmark mai mic, $0.032 vs $0.064. KAT-Coder-Air V2.5 (high) este mai rapid cu 11.02s vs 56.55s, cu rate de reușită de 69.8% vs 46.0%.

Model recomandatGemma 4 31B (medium)Are cel mai bun scor aici (6.3) și costă de aproximativ 2.0x mai puțin decât KAT-Coder-Air V2.5 (high).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-14

Metrică	Gemma 4 31B Gemma 4 31B medium Lansare: 2026-04-02 Disponibil gratuit	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Lansare: 2026-07-14

Metrică	Gemma 4 31B Gemma 4 31B medium Lansare: 2026-04-02 Disponibil gratuit	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Lansare: 2026-07-14
Scor	6.3	6.2
Rang	#107	#110
Fiabilitate	10.0	9.7
Consistență	9.4	7.6
Teste corecte
Rată de trecere pe încercare	69.8%	46.0%
Teste instabile	1	6
Rulări totale	63	63
Cost per rezultat	0.257	0.910
Cost total	$0.032	$0.064
Preț de intrare	$0.060 / 1M	$0.150 / 1M
Preț de ieșire	$0.350 / 1M	$0.600 / 1M
Total tokenuri de intrare	17,957	41,748
Tokenuri de ieșire	22,356	3,894
Tokenuri de raționament	65,726	91,773
Timp de răspuns (mediu)	56.55s	11.02s
Timp de răspuns (maxim)	437.40s	104.98s
Timp de răspuns (total)	1074.41s	231.37s

Prezentare generare

Hamster playing table tennis

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

#107 Gemma 4 31B

medium

Cost: $0.002
Timp: 45.7s
Tokenuri: 2,696 tok

#110 KAT-Coder-Air V2.5

high

SVG invalid

Cost: $0.000
Timp: 300.0s
Tokenuri: 0 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Categorie:

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemma 4 31B	10.0	10.0	100.0%	0		12.89s	816	962	2,046
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemma 4 31B	4.3	5.8	22.2%	1		219.76s	5,568	11,098	33,212
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		30.61s	15,132	422	8,958

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemma 4 31B	10.0	10.0	100.0%	0		21.11s	8,334	1,822	2,951
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemma 4 31B	7.7	10.0	66.7%	0		38.48s	876	4,349	8,985
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		7.47s	771	914	8,602

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemma 4 31B	10.0	10.0	100.0%	0		9.57s	567	105	888
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemma 4 31B	10.0	10.0	100.0%	0		12.76s	777	533	2,035
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemma 4 31B	9.9	10.0	100.0%	0		26.91s	801	1,795	5,595
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemma 4 31B	3.0	10.0	0.0%	0		90.14s	218	1,692	10,014
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028

Comparație rapidă

Schimbă perechea de comparație

Gemma 4 31BmediumDisponibil gratuitvsGPT-5.6 Solnone Seed-2.0-LitenonevsKAT-Coder-Air V2.5high KAT-Coder-Air V2.5highvsGPT-5.6 Lunalow Gemma 4 31BmediumDisponibil gratuitvsGPT-5.5none KAT-Coder-Air V2.5highvsGPT-5.5none KAT-Coder-Air V2.5highvsQwen3.5-35B-A3Bmedium Gemini 2.5 FlashnonevsKAT-Coder-Air V2.5high KAT-Coder-Air V2.5highvsGPT-5.6 Solnone Gemini 3.1 Flash LiteminimalvsKAT-Coder-Air V2.5high KAT-Coder-Air V2.5highvsNemotron 3 SupermediumDisponibil gratuit Seed-2.0-LitenonevsGemma 4 31BmediumDisponibil gratuit Gemini 3.1 Flash LitenonevsKAT-Coder-Air V2.5high