AI BENCHY 对比
Google: Gemini 2.5 Flash vs Google: Gemma 4 31B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-01
| 指标 | Gemini 2.5 Flash Gemini 2.5 Flash none | Gemma 4 31B Gemma 4 31B none 免费可用 |
|---|---|---|
| 分数 | 6.4 | 6.7 |
| 排名 | #95 | #83 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.6 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 48.3% | 50.0% |
| 不稳定测试 | 1 | 0 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.159 | 0.030 |
| 总成本 | $0.015 | $0.003 |
| 输入价格 | $0.300 / 1M | $0.120 / 1M |
| 输出价格 | $2.500 / 1M | $0.370 / 1M |
| 输出令牌 | 1,764 | 1,398 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 889ms | 4.05s |
| 响应时间（最大） | 4.39s | 26.13s |
| 响应时间（总计） | 17.79s | 72.97s |
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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 582ms | 102 | 0 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 6.8 | 10.0 | 50.0% | 0 | 810ms | 477 | 0 | |
| Gemma 4 31B | 6.8 | 10.0 | 50.0% | 0 | 14.84s | 726 | 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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 4.39s | 366 | 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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 652ms | 279 | 0 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 5.9 | 7.2 | 55.6% | 1 | 495ms | 12 | 0 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 5.0 | 10.0 | 0.0% | 0 | 615ms | 78 | 0 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 590ms | 72 | 0 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 7.7 | 10.0 | 66.7% | 0 | 604ms | 132 | 0 | |
| Gemma 4 31B | 6.5 | 10.0 | 33.3% | 0 | 4.23s | 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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 1.91s | 234 | 0 | |
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 0ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 1.15s | 12 | 0 | |
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 1.25s | 12 | 0 |
快速对比
切换对比组合
DeepSeek V4 ProhighvsGemini 2.5 FlashnoneGemma 4 31Bnone免费可用vsKimi K2.5mediumGemma 4 31Bnone免费可用vsQwen3.6 27BmediumGemini 2.5 FlashnonevsMercury 2mediumDeepSeek V3.2mediumvsGemma 4 31Bnone免费可用Gemma 4 31Bnone免费可用vsMercury 2mediumGemini 2.5 FlashnonevsQwen3.6 27BmediumGemma 4 31Bnone免费可用vsMimo V2 OmnimediumGemini 2.5 FlashnonevsGPT-5 NanomediumGemma 4 31Bnone免费可用vsGrok 4.20mediumGemini 2.5 FlashnonevsKimi K2.5mediumSeed-2.0-MinimediumvsGemma 4 31Bnone免费可用