AI BENCHY 对比

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

摘要

DeepSeek V4 Pro vs Gemma 4 31B benchmark 对比：DeepSeek V4 Pro 平均分领先，为 6.3 vs 6.1。 Gemma 4 31B benchmark 成本更低，为 $0.004 vs $0.079。 Gemma 4 31B 更快，为 4.05s vs 65.21s，通过率为 52.4% vs 47.6%。

推荐模型: Gemma 4 31B - 它的得分接近这里的最高分（6.1 vs 6.3），同时成本比DeepSeek V4 Pro低约 26.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24	Gemma 4 31B Gemma 4 31B none 发布日期: 2026-04-02 免费可用

指标	DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24	Gemma 4 31B Gemma 4 31B none 发布日期: 2026-04-02 免费可用
分数	6.3	6.1
排名	#90	#98
可靠性	9.0	10.0
一致性	7.6	10.0
测试正确
尝试通过率	52.4%	47.6%
不稳定测试	6	0
总运行次数	63	63
每个结果成本	2.869	0.034
总成本	$0.079	$0.004
输入价格	$0.435 / 1M	$0.120 / 1M
输出价格	$0.870 / 1M	$0.350 / 1M
总输入令牌	32,240	20,911
输出令牌	12,250	1,407
推理令牌	72,257	0
响应时间（平均）	65.21s	4.05s
响应时间（最大）	358.35s	26.13s
响应时间（总计）	1304.19s	76.87s

Generation showcase

Hamster playing table tennis

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

#90 DeepSeek V4 Pro

high

Cost: $0.023
Time: 257.6s
Tokens: 14,870 tok

#98 Gemma 4 31B

none

Cost: $0.001
Time: 12.8s
Tokens: 795 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 Pro	6.4	7.9	58.3%	1		16.53s	448	71	3,617
Gemma 4 31B	6.5	10.0	50.0%	0		1.85s	852	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	3.3	6.4	11.1%	1		118.23s	1,966	111	20,940
Gemma 4 31B	5.5	10.0	33.3%	0		11.19s	8,381	735	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	10.0	10.0	100.0%	0		65.02s	14,016	465	5,914
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 Pro	7.3	5.9	83.3%	1		23.62s	5,633	229	1,710
Gemma 4 31B	10.0	10.0	100.0%	0		2.25s	8,352	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	2.9	7.2	11.1%	1		205.66s	430	10,529	28,089
Gemma 4 31B	7.7	10.0	66.7%	0		3.22s	903	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	6.1	3.1	66.7%	1		25.09s	314	76	1,152
Gemma 4 31B	10.0	10.0	100.0%	0		2.09s	576	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	10.0	10.0	100.0%	0		41.16s	627	205	2,416
Gemma 4 31B	6.5	10.0	50.0%	0		2.84s	795	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	5.9	7.2	55.6%	1		34.84s	544	139	4,019
Gemma 4 31B	6.5	10.0	33.3%	0		4.23s	828	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	10.0	10.0	100.0%	0		21.33s	8,079	372	593
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 Pro	3.0	10.0	0.0%	0		39.14s	183	53	3,807
Gemma 4 31B	3.0	10.0	0.0%	0		1.25s	224	12	0

快速对比

切换对比组合