AI BENCHY 对比

Google: Gemma 4 31B vs Kwaipilot: KAT-Coder-Air V2.5

摘要

Gemma 4 31B (medium) 平均分领先，为 6.3 vs 6.2。 Gemma 4 31B (medium) benchmark 成本更低，为 $0.032 vs $0.064。 KAT-Coder-Air V2.5 (high) 更快，为 11.02s vs 56.55s，通过率为 69.8% vs 46.0%。

推荐模型Gemma 4 31B (medium)它在这里得分最高（6.3），同时成本比KAT-Coder-Air V2.5 (high)低约 2.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14

指标	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high 发布日期: 2026-07-14

指标	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high 发布日期: 2026-07-14
分数	6.3	6.2
排名	#107	#110
可靠性	10.0	9.7
一致性	9.4	7.6
测试正确
尝试通过率	69.8%	46.0%
不稳定测试	1	6
总运行次数	63	63
每个结果成本	0.257	0.910
总成本	$0.032	$0.064
输入价格	$0.060 / 1M	$0.150 / 1M
输出价格	$0.350 / 1M	$0.600 / 1M
总输入令牌	17,957	41,748
输出令牌	22,356	3,894
推理令牌	65,726	91,773
响应时间（平均）	56.55s	11.02s
响应时间（最大）	437.40s	104.98s
响应时间（总计）	1074.41s	231.37s

生成展示

Hamster playing table tennis

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

#107 Gemma 4 31B

medium

成本: $0.002
时间: 45.7s
令牌: 2,696 tok

#110 KAT-Coder-Air V2.5

high

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 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

类别:

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
Gemma 4 31B	10.0	10.0	100.0%	0		12.89s	816	962	2,046
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290

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
Gemma 4 31B	4.3	5.8	22.2%	1		219.76s	5,568	11,098	33,212
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883

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
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		30.61s	15,132	422	8,958

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
Gemma 4 31B	10.0	10.0	100.0%	0		21.11s	8,334	1,822	2,951
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140

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
Gemma 4 31B	7.7	10.0	66.7%	0		38.48s	876	4,349	8,985
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		7.47s	771	914	8,602

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
Gemma 4 31B	10.0	10.0	100.0%	0		9.57s	567	105	888
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539

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
Gemma 4 31B	10.0	10.0	100.0%	0		12.76s	777	533	2,035
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675

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
Gemma 4 31B	9.9	10.0	100.0%	0		26.91s	801	1,795	5,595
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576

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
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082

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
Gemma 4 31B	3.0	10.0	0.0%	0		90.14s	218	1,692	10,014
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028

快速对比

切换对比组合