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：: 2026-04-02
| 指标 | DeepSeek V3.2 DeepSeek V3.2 none | Gemma 4 31B Gemma 4 31B medium |
|---|---|---|
| 分数 | 6.4 | 8.6 |
| 排名 | #50 | #5 |
| 一致性 | 8.5 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 51.0% | 80.4% |
| 不稳定测试 | 3 | 1 |
| 总运行次数 | 51 | 51 |
| 每个结果成本 | 0.220 | 0.109 |
| 总成本 | $0.016 | $0.015 |
| ???? | $0.260 / 1M | $0.140 / 1M |
| ???? | $0.380 / 1M | $0.400 / 1M |
| 输出令牌 | 7,831 | 9,568 |
| 推理令牌 | 0 | 22,501 |
| 响应时间（平均） | 12.35s | 21.81s |
| 响应时间（最大） | 115.89s | 68.92s |
| 响应时间（总计） | 209.94s | 327.16s |
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 | 3.2 | 9.8 | 0.0% | 0 | 7.63s | 1,419 | 0 | |
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 12.89s | 962 | 2,046 |
| 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 | 6.5 | 10.0 | 0.0% | 0 | 115.89s | 2,887 | 0 | |
| 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 | 6.3 | 5.8 | 66.7% | 1 | 9.42s | 1,710 | 0 | |
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 21.11s | 1,822 | 2,951 |
| 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 | 3.6 | 7.2 | 22.2% | 1 | 1.61s | 24 | 0 | |
| Gemma 4 31B | 7.7 | 10.0 | 66.7% | 0 | 38.48s | 4,349 | 8,985 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 2.86s | 67 | 0 | |
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 9.57s | 105 | 888 |
| 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 | 1.52s | 66 | 0 | |
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 12.76s | 533 | 2,035 |
| Puzzle Solving | 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 | 8.5 | 7.5 | 88.9% | 1 | 7.37s | 1,136 | 0 | |
| Gemma 4 31B | 8.8 | 7.9 | 88.9% | 1 | 27.63s | 1,797 | 5,596 |
| 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 | 11.85s | 522 | 0 | |
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
DeepSeek V3.2nonevsMercury 2mediumDeepSeek V3.2nonevsGPT-5 NanomediumDeepSeek V3.2nonevsGrok 4.20 Multi Agent BetamediumDeepSeek V3.2nonevsgpt-oss-120bmedium免费可用DeepSeek V3.2nonevsMiniMax M2.5medium免费可用DeepSeek V3.2nonevsGPT-5 MinimediumDeepSeek V3.2nonevsNemotron 3 Supermedium免费可用DeepSeek V3.2nonevsGrok 4.1 FastmediumDeepSeek V3.2nonevsHunter AlphamediumGemma 4 31BmediumvsGPT-5.2 ChatnoneDeepSeek V3.2nonevsGPT-5.4 MinimediumDeepSeek V3.2nonevsGrok 4.20medium