AI BENCHY Compare

Google: Gemma 4 31B vs StepFun: Step 3.5 Flash

Rezumat

Comparație benchmark Gemma 4 31B vs Step 3.5 Flash: Step 3.5 Flash conduce la scorul mediu cu 6.6 vs 6.1. Gemma 4 31B are costul de benchmark mai mic, $0.004 vs $0.070. Gemma 4 31B este mai rapid cu 4.05s vs 72.53s, cu rate de reușită de 47.6% vs 54.0%.

Model recomandat: Gemma 4 31B - Scorul rămâne aproape de cel mai bun scor de aici (6.1 vs 6.6) și costă de aproximativ 23.0x mai puțin decât Step 3.5 Flash.

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

Metrică	Gemma 4 31B Gemma 4 31B none Lansare: 2026-04-02 Disponibil gratuit	Step 3.5 Flash Step 3.5 Flash medium Lansare: 2026-02-01

Metrică	Gemma 4 31B Gemma 4 31B none Lansare: 2026-04-02 Disponibil gratuit	Step 3.5 Flash Step 3.5 Flash medium Lansare: 2026-02-01
Scor	6.1	6.6
Rang	#98	#80
Fiabilitate	10.0	10.0
Consistență	10.0	8.9
Teste corecte
Rată de trecere pe încercare	47.6%	54.0%
Teste instabile	0	1
Rulări totale	63	60
Cost per rezultat	0.034	0.198
Cost total	$0.004	$0.070
Preț de intrare	$0.120 / 1M	$0.090 / 1M
Preț de ieșire	$0.350 / 1M	$0.300 / 1M
Total tokenuri de intrare	20,911	34,431
Tokenuri de ieșire	1,407	91,587
Tokenuri de raționament	0	195,973
Timp de răspuns (mediu)	4.05s	72.53s
Timp de răspuns (maxim)	26.13s	453.94s
Timp de răspuns (total)	76.87s	1015.47s

Prezentare generare

Hamster playing table tennis

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

#98 Gemma 4 31B

none

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

#80 Step 3.5 Flash

medium

Cost: $0.008
Timp: 277.1s
Tokenuri: 23,695 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	6.5	10.0	50.0%	0		1.85s	852	45	0
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176

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
Step 3.5 Flash	2.4	5.2	0.0%	0		258.38s	2,211	13,207	22,429

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 3.5 Flash	10.0	10.0	100.0%	0		29.57s	13,638	1,176	12,984

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
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886

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
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436

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
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506

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
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521

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
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861

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 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802

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
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

Comparație rapidă

Schimbă perechea de comparație