AI BENCHY 对比

Google: Gemini 2.5 Flash vs Google: Gemma 4 31B

摘要

Gemini 2.5 Flash vs Gemma 4 31B benchmark 对比：Gemini 2.5 Flash 平均分领先，为 8.2 vs 6.3。 Gemma 4 31B benchmark 成本更低，为 $0.033 vs $0.379。 Gemini 2.5 Flash 更快，为 15.49s vs 56.55s，通过率为 69.8% vs 69.8%。

推荐模型: Gemini 2.5 Flash - 它在这里得分最高（8.2），同时响应速度比Gemma 4 31B快约 3.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标	Gemini 2.5 Flash Gemini 2.5 Flash medium 发布日期: 2025-06-17	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用

指标	Gemini 2.5 Flash Gemini 2.5 Flash medium 发布日期: 2025-06-17	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用
分数	8.2	6.3
排名	#24	#88
可靠性	10.0	10.0
一致性	9.6	9.4
测试正确
尝试通过率	69.8%	69.8%
不稳定测试	1	1
总运行次数	63	63
每个结果成本	2.701	0.257
总成本	$0.379	$0.033
输入价格	$0.300 / 1M	$0.120 / 1M
输出价格	$2.500 / 1M	$0.350 / 1M
总输入令牌	34,476	17,957
输出令牌	1,930	22,356
推理令牌	145,145	65,726
响应时间（平均）	15.49s	56.55s
响应时间（最大）	95.48s	437.40s
响应时间（总计）	325.39s	1074.41s

生成展示

Hamster playing table tennis

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

#24 Gemini 2.5 Flash

medium

无效SVG

成本: $0.000
时间: 274.0s
令牌: 0 tok

#88 Gemma 4 31B

medium

成本: $0.002
时间: 45.7s
令牌: 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
Gemini 2.5 Flash	8.4	10.0	75.0%	0		6.30s	492	255	10,233
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
Gemini 2.5 Flash	7.8	10.0	66.7%	0		41.01s	6,669	543	32,303
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
Gemini 2.5 Flash	10.0	10.0	100.0%	0		28.44s	12,522	303	11,922
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
Gemini 2.5 Flash	10.0	10.0	100.0%	0		4.06s	7,257	279	2,325
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
Gemini 2.5 Flash	5.9	7.2	55.6%	1		37.34s	633	18	80,702
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
Gemini 2.5 Flash	4.8	10.0	0.0%	0		4.86s	486	92	1,899
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
Gemini 2.5 Flash	9.8	10.0	100.0%	0		2.62s	615	69	1,203
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
Gemini 2.5 Flash	7.7	10.0	66.7%	0		3.18s	558	126	2,499
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
Gemini 2.5 Flash	10.0	10.0	100.0%	0		6.20s	5,088	234	1,140
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
Gemini 2.5 Flash	3.0	10.0	0.0%	0		2.76s	156	11	919
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