AI BENCHY Compare

Google: Gemma 4 31B vs StepFun: Step 3.7 Flash

Rezumat

Comparație benchmark Gemma 4 31B vs Step 3.7 Flash: Step 3.7 Flash conduce la scorul mediu cu 8.5 vs 6.3. Gemma 4 31B are costul de benchmark mai mic, $0.033 vs $0.376. Step 3.7 Flash este mai rapid cu 20.35s vs 56.55s, cu rate de reușită de 69.8% vs 73.0%.

Model recomandat: Step 3.7 Flash - Are cel mai bun scor aici (8.5) și răspunde de aproximativ 2.8x mai rapid decât Gemma 4 31B.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-18

Metrică	Gemma 4 31B Gemma 4 31B medium Lansare: 2026-04-02 Disponibil gratuit	Step 3.7 Flash Step 3.7 Flash medium Lansare: 2026-05-29

Metrică	Gemma 4 31B Gemma 4 31B medium Lansare: 2026-04-02 Disponibil gratuit	Step 3.7 Flash Step 3.7 Flash medium Lansare: 2026-05-29
Scor	6.3	8.5
Rang	#88	#20
Fiabilitate	10.0	9.9
Consistență	9.4	9.3
Teste corecte
Rată de trecere pe încercare	69.8%	73.0%
Teste instabile	1	2
Rulări totale	63	61
Cost per rezultat	0.257	2.686
Cost total	$0.033	$0.376
Preț de intrare	$0.120 / 1M	$0.200 / 1M
Preț de ieșire	$0.350 / 1M	$1.150 / 1M
Total tokenuri de intrare	17,957	39,981
Tokenuri de ieșire	22,356	319,958
Tokenuri de raționament	65,726	0
Timp de răspuns (mediu)	56.55s	20.35s
Timp de răspuns (maxim)	437.40s	113.98s
Timp de răspuns (total)	1074.41s	427.42s

Prezentare generare

Hamster playing table tennis

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

#88 Gemma 4 31B

medium

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

#20 Step 3.7 Flash

medium

Cost: $0.006
Timp: 46.2s
Tokenuri: 4,466 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

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
Step 3.7 Flash	8.7	7.9	91.7%	1		9.65s	756	32,185	0

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
Step 3.7 Flash	8.8	7.8	88.9%	1		27.42s	7,437	44,797	0

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
Step 3.7 Flash	10.0	10.0	100.0%	0		9.06s	13,683	7,106	0

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
Step 3.7 Flash	10.0	10.0	100.0%	0		2.75s	7,398	3,020	0

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
Step 3.7 Flash	7.7	10.0	66.7%	0		48.27s	708	70,347	0

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
Step 3.7 Flash	4.0	10.0	0.0%	0		6.85s	525	3,987	0

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
Step 3.7 Flash	9.8	10.0	100.0%	0		1.83s	735	2,166	0

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
Step 3.7 Flash	5.7	9.9	33.3%	0		6.19s	756	15,071	0

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
Step 3.7 Flash	10.0	10.0	100.0%	0		4.16s	7,746	2,115	0

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
Step 3.7 Flash	3.0	10.0	0.0%	0		113.98s	237	139,164	0

Comparație rapidă

Schimbă perechea de comparație