AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs Google: Gemma 4 31B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-26
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro high | Gemma 4 31B Gemma 4 31B none 免费可用 |
|---|---|---|
| 分数 | 6.8 | 6.9 |
| 排名 | #57 | #56 |
| 可靠性 | 8.4 | 不适用 |
| 一致性 | 8.0 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 73.2% | 55.6% |
| 不稳定测试 | 4 | 0 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 1.825 | 0.024 |
| 总成本 | $0.201 | $0.003 |
| ???? | $1.740 / 1M | $0.130 / 1M |
| ???? | $3.480 / 1M | $0.380 / 1M |
| 输出令牌 | 11,876 | 1,359 |
| 推理令牌 | 45,999 | 0 |
| 响应时间（平均） | 60.02s | 4.02s |
| 响应时间（最大） | 358.35s | 26.13s |
| 响应时间（总计） | 1080.31s | 64.33s |
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 V4 Pro | 7.4 | 10.0 | 75.0% | 0 | 16.53s | 71 | 3,617 | |
| 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 V4 Pro | 2.6 | 0.0 | 50.0% | 1 | 51.77s | 105 | 2,641 | |
| 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 V4 Pro | 6.6 | 10.0 | 100.0% | 0 | 64.72s | 183 | 1,946 | |
| 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 V4 Pro | 8.8 | 10.0 | 100.0% | 0 | 23.62s | 229 | 1,710 | |
| 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 V4 Pro | 3.0 | 6.9 | 16.7% | 1 | 205.66s | 10,529 | 28,089 | |
| 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 V4 Pro | 6.1 | 3.1 | 66.7% | 1 | 25.09s | 76 | 1,152 | |
| 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 V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 41.16s | 205 | 2,416 | |
| 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 V4 Pro | 6.9 | 7.0 | 83.3% | 1 | 34.92s | 106 | 3,835 | |
| Gemma 4 31B | 5.5 | 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 V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 21.33s | 372 | 593 | |
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
DeepSeek V4 ProhighvsQwen3.5 Plus 2026-02-15noneDeepSeek V4 ProhighvsGPT-5.5noneDeepSeek V4 ProhighvsNemotron 3 Supermedium免费可用Gemma 4 31Bnone免费可用vsGrok 4.20mediumDeepSeek V4 ProhighvsGrok 4.1 FastmediumGemma 4 31Bnone免费可用vsKimi K2.5mediumDeepSeek V4 ProhighvsGLM 5noneGemma 4 31Bnone免费可用vsGPT-5 MinimediumGemma 4 31Bnone免费可用vsNemotron 3 Supermedium免费可用DeepSeek V4 ProhighvsGrok 4.20mediumGemma 4 31Bnone免费可用vsGrok 4.1 FastmediumDeepSeek V4 ProhighvsKimi K2.5medium