#24 Gemma 4 31B
medium- Cost
- $0.002
- Timp
- 45.7s
- Tokenuri
- 2,696 tok
Google
Lansare: 2026-04-02
Testat la: 2026-05-22 00:35
google/gemma-4-31b-it::medium
30.7BDensSursă deschisă
(medium)
(none)
Rezumat
Gemma 4 31B obține 8.0 pe AI BENCHY și este pe #24. Are fiabilitate 6.7, rată de reușită 75.0%, cost total $0.029 și timp mediu de răspuns 35.51s.
Ce face Gemma 4 31B unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #1, iar Programare este zona cea mai slabă, la #18. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.
Date despre model
Documentat la 2026-08-12
- Parametri
- 30.7B
- Arhitectură
- Dens
- Disponibilitate
- Sursă deschisă
- Licență
- Apache-2.0
8.0
Consistență
9.2
6.7
$0.029
Total tokenuri de ieșire
69,291
Total tokenuri de intrare
0
Preț de intrare
$0.120 / 1M
Preț de ieșire
$0.370 / 1M
Teste instabile
2
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-08-14 02:55 Retestare | 6.2 | 10.0 | $0.101 ↓ | Compară | |
| 2026-07-16 23:24 Test nou adăugat | 6.3 | 10.0 | $0.163 ↑ | Compară | |
| 2026-06-04 14:27 Test nou adăugat | 7.9 | 8.9 | $0.035 ↓ | Compară | |
| 2026-05-22 00:35 Suită modificată | 8.0 | 6.7 | $0.029 | Rularea curentă | |
| 2026-04-14 00:56 Prima rulare înregistrată | 8.3 | N/D | $0.018 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Comparație între rulări
| Rulare | Acoperire benchmark | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:35 · Suită modificată | 60/60 încercări | 8.0 | 9.2 | 6.7 | 14/20 | 2 | 69,291 | 0 | $0.029 | 35.51s |
| 2026-08-14 02:55 · Retestare | 66/66 încercări | 6.2 | 8.7 | 10.0 | 13/22 | 3 | 267,421 | 94,969 | $0.101 | 78.59s |
| Diferență | — | +1.8 | +0.5 | -3.3 | +1 | -1 | -198130 | -94969 | -$0.072 | -43082ms |
Acoperirea benchmark diferă: 60/60 încercări (Țintă: 3 repetări per test) față de 66/66 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
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
Comparație rapidă
Gemma 4 31BmediumDisponibil gratuitvsSeed-2.0-LitenoneGemma 4 31BmediumDisponibil gratuitvsGPT-5.6 LunalowGemma 4 31BmediumDisponibil gratuitvsRing-2.6-1TmediumGemma 4 31BmediumDisponibil gratuitvsClaude Sonnet 5noneGemma 4 31BmediumDisponibil gratuitvsLing-3.0-flashhighGemma 4 31BmediumDisponibil gratuitvsGemini 3.1 Flash LiteminimalGemma 4 31BmediumDisponibil gratuitvsMiMo-V2.5mediumGemma 4 31BmediumDisponibil gratuitvsQwen3.5-35B-A3BmediumGemma 4 31BmediumDisponibil gratuitvsLongCat 2.0noneGemma 4 31BmediumDisponibil gratuitvsgpt-oss-120bmedium
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 10.0 | 10.0 | |
| Programare | 3.8 | 1.6 | |
| Combinat | 3.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 7.7 | 10.0 | |
| Inteligență generală | 10.0 | 10.0 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 9.9 | 10.0 | |
| Apelare instrumente | 3.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |