AI BENCHY 对比

DeepSeek: DeepSeek V4 Flash vs Google: Gemma 4 31B

摘要

DeepSeek V4 Flash vs Gemma 4 31B benchmark 对比：Gemma 4 31B 平均分领先，为 7.8 vs 7.7。 DeepSeek V4 Flash benchmark 成本更低，为 $0.029 vs $0.034。 DeepSeek V4 Flash 更快，为 45.85s vs 56.55s，通过率为 74.6% vs 69.8%。

推荐模型: DeepSeek V4 Flash - 它提供了最佳整体取舍：得分有竞争力（7.7），成本低于Gemma 4 31B，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-04

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用
分数	7.7	7.8
排名	#31	#27
可靠性	10.0	10.0
一致性	8.5	9.4
测试正确
尝试通过率	74.6%	69.8%
不稳定测试	4	1
总运行次数	63	63
每个结果成本	0.299	0.257
总成本	$0.029	$0.034
输入价格	$0.099 / 1M	$0.120 / 1M
输出价格	$0.197 / 1M	$0.360 / 1M
总输入令牌	39,745	17,957
输出令牌	10,310	22,356
推理令牌	123,501	65,726
响应时间（平均）	45.85s	56.55s
响应时间（最大）	218.13s	437.40s
响应时间（总计）	962.79s	1074.41s

Generation showcase

Hamster playing table tennis

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

#31 DeepSeek V4 Flash

high

Cost: $0.003
Time: 93.1s
Tokens: 7,926 tok

#27 Gemma 4 31B

medium

Cost: $0.002
Time: 45.7s
Tokens: 2,696 tok

按分数排名的模型

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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	8.3	10.0	75.0%	0		28.51s	540	140	7,770
Gemma 4 31B	10.0	10.0	100.0%	0		12.89s	816	962	2,046

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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	7.8	10.0	66.7%	0		50.60s	7,279	395	34,862
Gemma 4 31B	4.3	5.8	22.2%	1		219.76s	5,568	11,098	33,212

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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	10.0	10.0	100.0%	0		76.57s	14,016	465	7,347
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	10.0	10.0	100.0%	0		28.03s	7,290	201	1,179
Gemma 4 31B	10.0	10.0	100.0%	0		21.11s	8,334	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	4.1	4.4	44.5%	2		100.31s	666	27	59,249
Gemma 4 31B	7.7	10.0	66.7%	0		38.48s	876	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	6.1	3.1	66.7%	1		25.15s	471	79	632
Gemma 4 31B	10.0	10.0	100.0%	0		9.57s	567	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	10.0	10.0	100.0%	0		15.36s	627	63	1,622
Gemma 4 31B	10.0	10.0	100.0%	0		12.76s	777	533	2,035

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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	8.2	7.2	88.9%	1		26.11s	594	196	1,767
Gemma 4 31B	9.9	10.0	100.0%	0		26.91s	801	1,795	5,595

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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	10.0	10.0	100.0%	0		74.73s	8,079	228	542
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	3.0	10.0	0.0%	0		54.46s	183	8,516	8,531
Gemma 4 31B	3.0	10.0	0.0%	0		90.14s	218	1,692	10,014

快速对比

切换对比组合