#76 Gemma 4 31B
none- Cost
- $0.001
- Timp
- 12.8s
- Tokenuri
- 795 tok
Google
Lansare: 2026-04-02
Testat la: 2026-05-22 00:30
google/gemma-4-31b-it::none
30.7BDensSursă deschisă
(medium)
(none)
Rezumat
Gemma 4 31B obține 6.7 pe AI BENCHY și este pe #76. Are fiabilitate 10.0, rată de reușită 50.0%, cost total $0.003 și timp mediu de răspuns 3.84s.
Ce face Gemma 4 31B unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #1, iar Combinat este zona cea mai slabă, la #17. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor. Este vizibil rapid față de modele similare.
Date despre model
Documentat la 2026-08-12
- Parametri
- 30.7B
- Arhitectură
- Dens
- Disponibilitate
- Sursă deschisă
- Licență
- Apache-2.0
6.7
Consistență
10.0
10.0
$0.003
Total tokenuri de ieșire
1,398
Total tokenuri de intrare
0
Preț de intrare
$0.120 / 1M
Preț de ieșire
$0.370 / 1M
Teste instabile
0
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 02:51 Retestare | 6.1 | 10.0 | $0.018 ↓ | Compară | |
| 2026-07-16 23:02 Test nou adăugat | 6.2 | 10.0 | $0.035 ↑ | Compară | |
| 2026-06-04 14:04 Test nou adăugat | 6.5 | 10.0 | $0.004 ↓ | Compară | |
| 2026-05-22 00:30 Suită modificată | 6.7 | 10.0 | $0.003 | Rularea curentă | |
| 2026-04-14 00:56 Prima rulare înregistrată | 6.9 | N/D | $0.003 | 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 00:30 · Suită modificată | 60/60 încercări | 6.7 | 10.0 | 10.0 | 10/20 | 0 | 1,398 | 0 | $0.003 | 3.84s |
| 2026-04-14 00:56 · Prima rulare înregistrată | 54/54 încercări | 6.9 | 10.0 | N/D | 10/18 | 0 | 1,359 | 0 | $0.003 | 4.02s |
| Diferență | — | -0.2 | 0.0 | 0 | 0 | +39 | 0 | +$0.001 | -180ms |
Acoperirea benchmark diferă: 60/60 încercări (Țintă: 3 repetări per test) față de 54/54 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 31BnoneDisponibil gratuitvsQwen3.6 FlashnoneGemma 4 31BnoneDisponibil gratuitvsQwen3.5 Plus 2026-04-20noneGemma 4 31BnoneDisponibil gratuitvsTrinity Large ThinkingmediumGemma 4 31BnoneDisponibil gratuitvsNemotron 3 UltranoneDisponibil gratuitGemma 4 31BnoneDisponibil gratuitvsInklinglowGemma 4 31BnoneDisponibil gratuitvsTrinity Large ThinkinglowGemma 4 31BnoneDisponibil gratuitvsQwen3.5-FlashmediumGemma 4 31BnoneDisponibil gratuitvsGemini 2.5 FlashnoneGemma 4 31BnoneDisponibil gratuitvsGemini 3.1 Flash LitenoneGemma 4 31BnoneDisponibil gratuitvsGPT-5.6 Terranone
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 6.5 | 10.0 | |
| Programare | 6.8 | 10.0 | |
| 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 | 6.5 | 10.0 | |
| Rezolvare de puzzle-uri | 6.5 | 10.0 | |
| Apelare instrumente | 3.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |