AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs Google: Gemma 4 31B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-10
| 指标 | DeepSeek V3.2 DeepSeek V3.2 medium | Gemma 4 31B Gemma 4 31B none 免费可用 |
|---|---|---|
| 分数 | 7.2 | 6.9 |
| 排名 | #61 | #66 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.5 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 72.8% | 52.6% |
| 不稳定测试 | 6 | 0 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.278 | 0.025 |
| 总成本 | $0.031 | $0.003 |
| ???? | $0.252 / 1M | $0.130 / 1M |
| ???? | $0.378 / 1M | $0.380 / 1M |
| 输出令牌 | 7,035 | 1,371 |
| 推理令牌 | 53,765 | 0 |
| 响应时间（平均） | 46.06s | 3.86s |
| 响应时间（最大） | 180.92s | 26.13s |
| 响应时间（总计） | 875.23s | 65.57s |
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 9.2 | 10.0 | 100.0% | 0 | 24.23s | 3,247 | 6,953 | |
| Gemma 4 31B | 6.5 | 10.0 | 50.0% | 0 | 1.85s | 45 | 0 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 4.7 | 1.6 | 66.7% | 1 | 180.92s | 626 | 6,792 | |
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 26.13s | 699 | 0 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 93.11s | 571 | 6,296 | |
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 36.09s | 207 | 7,693 | |
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 2.25s | 285 | 0 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 2.9 | 4.4 | 22.2% | 2 | 24.27s | 21 | 6,838 | |
| Gemma 4 31B | 7.7 | 10.0 | 66.7% | 0 | 3.22s | 27 | 0 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.8 | 2.5 | 50.0% | 1 | 58.29s | 49 | 2,189 | |
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 2.09s | 117 | 0 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 35.78s | 1,397 | 2,845 | |
| Gemma 4 31B | 6.5 | 10.0 | 50.0% | 0 | 2.84s | 78 | 0 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 6.7 | 5.0 | 66.7% | 2 | 36.87s | 390 | 6,281 | |
| Gemma 4 31B | 6.5 | 10.0 | 33.3% | 0 | 2.95s | 108 | 0 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 34.81s | 507 | 859 | |
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 10.0 | 0.0% | 0 | 83.99s | 20 | 7,019 | |
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 1.25s | 12 | 0 |
快速对比
切换对比组合
Claude Sonnet 4.6nonevsDeepSeek V3.2mediumDeepSeek V4 ProhighvsGemma 4 31Bnone免费可用Gemma 4 31Bnone免费可用vsGrok 4.20mediumGemma 4 31Bnone免费可用vsGPT-5 MinimediumDeepSeek V3.2mediumvsRing 2.6 1tnone免费可用DeepSeek V3.2mediumvsQwen3.6 Max PreviewnoneGemma 4 31Bnone免费可用vsKimi K2.5mediumGemma 4 31Bnone免费可用vsQwen3.6 27BmediumGemma 4 31Bnone免费可用vsMiMo-V2-OmnimediumGemma 4 31Bnone免费可用vsGPT-5.4 MinimediumGemma 4 31Bnone免费可用vsGPT-5.2mediumGemma 4 31Bnone免费可用vsQwen3.5-35B-A3Bmedium