AI BENCHY Compare

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

Rezumat

Gemma 4 31B conduce la scorul mediu cu 6.1 vs 6.0. Gemma 4 31B are costul de benchmark mai mic, $0.002 vs $0.030. Gemma 4 31B este mai rapid cu 4.05s vs 6.47s, cu rate de reușită de 47.6% vs 46.0%.

Model recomandatGemma 4 31BAre cel mai bun scor aici (6.1) și costă de aproximativ 17.1x mai puțin decât KAT-Coder-Air V2.5 (low).

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

Metrică	Gemma 4 31B Gemma 4 31B none Lansare: 2026-04-02 Disponibil gratuit	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low Lansare: 2026-07-14

Metrică	Gemma 4 31B Gemma 4 31B none Lansare: 2026-04-02 Disponibil gratuit	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low Lansare: 2026-07-14
Scor	6.1	6.0
Rang	#120	#124
Fiabilitate	10.0	9.7
Consistență	10.0	7.6
Teste corecte
Rată de trecere pe încercare	47.6%	46.0%
Teste instabile	0	6
Rulări totale	63	63
Cost per rezultat	0.034	0.427
Cost total	$0.002	$0.030
Preț de intrare	$0.060 / 1M	$0.150 / 1M
Preț de ieșire	$0.350 / 1M	$0.600 / 1M
Total tokenuri de intrare	20,911	42,464
Tokenuri de ieșire	1,407	4,227
Tokenuri de raționament	0	34,864
Timp de răspuns (mediu)	4.05s	6.47s
Timp de răspuns (maxim)	26.13s	25.49s
Timp de răspuns (total)	76.87s	135.80s

Prezentare generare

Hamster playing table tennis

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

#120 Gemma 4 31B

none

Cost: $0.001
Timp: 12.8s
Tokenuri: 795 tok

#124 KAT-Coder-Air V2.5

low

Cost: $0.004
Timp: 29.9s
Tokenuri: 6,008 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	6.5	10.0	50.0%	0		1.85s	852	45	0
KAT-Coder-Air V2.5	7.3	5.8	83.3%	2		3.50s	672	422	1,548

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	5.5	10.0	33.3%	0		11.19s	8,381	735	0
KAT-Coder-Air V2.5	3.5	7.3	11.1%	1		11.06s	7,893	2,001	13,623

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		25.49s	15,132	368	5,707

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		2.25s	8,352	285	0
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		2.82s	7,776	261	1,069

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		3.22s	903	27	0
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		4.99s	553	310	3,332

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		2.09s	576	117	0
KAT-Coder-Air V2.5	5.0	10.0	0.0%	0		10.11s	516	142	596

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	6.5	10.0	50.0%	0		2.84s	795	78	0
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.64s	699	89	640

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	6.5	10.0	33.3%	0		4.23s	828	108	0
KAT-Coder-Air V2.5	3.1	4.6	22.2%	2		1.57s	696	294	796

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		4.47s	8,391	330	1,065

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		1.25s	224	12	0
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		19.98s	136	10	6,488

Comparație rapidă

Schimbă perechea de comparație