AI BENCHY 对比

Google: Gemini 3.1 Flash Lite vs Google: Gemma 4 31B

摘要

Gemini 3.1 Flash Lite vs Gemma 4 31B benchmark 对比：Gemini 3.1 Flash Lite 平均分领先，为 6.4 vs 6.1。 Gemma 4 31B benchmark 成本更低，为 $0.004 vs $0.028。 Gemini 3.1 Flash Lite 更快，为 1.89s vs 4.05s，通过率为 61.9% 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 6.4），同时成本比Gemini 3.1 Flash Lite低约 9.1 倍。

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

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite low 发布日期: 2026-05-08	Gemma 4 31B Gemma 4 31B none 发布日期: 2026-04-02 免费可用

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite low 发布日期: 2026-05-08	Gemma 4 31B Gemma 4 31B none 发布日期: 2026-04-02 免费可用
分数	6.4	6.1
排名	#85	#98
可靠性	10.0	10.0
一致性	9.3	10.0
测试正确
尝试通过率	61.9%	47.6%
不稳定测试	2	0
总运行次数	63	63
每个结果成本	0.227	0.034
总成本	$0.028	$0.004
输入价格	$0.250 / 1M	$0.120 / 1M
输出价格	$1.500 / 1M	$0.350 / 1M
总输入令牌	36,892	20,911
输出令牌	2,732	1,407
推理令牌	9,260	0
响应时间（平均）	1.89s	4.05s
响应时间（最大）	5.66s	26.13s
响应时间（总计）	39.62s	76.87s

生成展示

Hamster playing table tennis

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

#85 Gemini 3.1 Flash Lite

low

成本: $0.003
时间: 4.0s
令牌: 1,479 tok

#98 Gemma 4 31B

none

成本: $0.001
时间: 12.8s
令牌: 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
Gemini 3.1 Flash Lite	7.3	6.2	75.0%	2		1.84s	500	1,013	1,548
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
Gemini 3.1 Flash Lite	5.5	10.0	33.3%	0		1.53s	8,132	471	1,072
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
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		4.48s	12,870	348	975
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 3.1 Flash Lite	10.0	10.0	100.0%	0		1.44s	7,453	291	697
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
Gemini 3.1 Flash Lite	5.3	10.0	33.3%	0		1.52s	639	15	1,214
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
Gemini 3.1 Flash Lite	4.0	10.0	0.0%	0		1.37s	492	69	438
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
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		1.52s	619	72	760
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
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		1.40s	570	210	1,191
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
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		5.66s	5,457	234	945
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 3.1 Flash Lite	3.0	10.0	0.0%	0		1.46s	160	9	420
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