AI BENCHY
Advertise here
#84

Gemma 4 31B

Google Lansare: 2026-04-02 Testat la: 2026-06-04 14:04 google/gemma-4-31b-it::none
30.7BDensSursă deschisă
(medium) (none)

Rezumat

Gemma 4 31B obține 6.5 pe AI BENCHY și este pe #84. Are fiabilitate 10.0, rată de reușită 47.6%, cost total $0.004 și timp mediu de răspuns 4.05s.

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

Raportat
Parametri
30.7B
Arhitectură
Dens
Disponibilitate
Sursă deschisă
Licență
Apache-2.0
Sursa parametrilor Sursa disponibilității

Scor

6.5

Consistență

10.0

Fiabilitate

10.0

Cost total (preț curent)

$0.004 ↓ -9.2%

Testat la: $0.004

Total tokenuri de ieșire

1,407

Total tokenuri de intrare

20,911

Preț de intrare

$0.120 / 1M

Preț de ieșire

$0.370 / 1M

Teste corecte

Teste greșite: 11

Rată de trecere pe încercare: 47.6%

Teste instabile

0

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

4.05s

Timp de răspuns (maxim): 26.13s

Timp de răspuns (total): 76.87s

Răspuns greșit: 8 Eroare API: 2 Nu a urmat instrucțiunile: 1

Hamster playing table tennis

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

#84 Gemma 4 31B

none
Cost
$0.001
Timp
12.8s
Tokenuri
795 tok

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 ↓ Rularea curentă
2026-05-22 00:30 Suită modificată 6.7 10.0 $0.003 Compară
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

RulareAcoperire benchmarkScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-06-04 14:04 · Test nou adăugat63/63 încercări6.510.010.010/2101,40720,911$0.0044.05s
2026-04-14 00:56 · Prima rulare înregistrată54/54 încercări6.910.0N/D10/1801,3590$0.0034.02s
Diferență—-0.30.000+48+20911+$0.001+26ms

Acoperirea benchmark diferă: 63/63 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.

Istoric prețuri

Date istorice de preț pentru acest model de la OpenRouter.

Dată Preț de intrare Preț de ieșire
2026-06-04 14:42 $0.120 / 1M $0.370 / 1M

Grafice

Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.

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 5.5 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

Modele comparate