Google: Gemma 4 31B vs Meituan: LongCat 2.0

平均分几乎持平，为 6.3 vs 6.3。 LongCat 2.0 benchmark 成本更低，为 $0.044 vs $0.163。 LongCat 2.0 更快，为 5.18s vs 75.38s，通过率为 68.2% vs 36.4%。

推荐模型LongCat 2.0它在这里得分最高（6.3），同时成本比Gemma 4 31B (medium)低约 3.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-20

指标	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用	LongCat 2.0 LongCat 2.0 none 发布日期: 2026-07-20

指标	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用	LongCat 2.0 LongCat 2.0 none 发布日期: 2026-07-20
分数	6.3	6.3
排名	#110	#111
可靠性	10.0	10.0
一致性	9.0	9.3
测试正确
尝试通过率	68.2%	36.4%
不稳定测试	2	2
总运行次数	66	66
每个结果成本	1.044	0.627
总成本	$0.163	$0.044
输入价格	$0.220 / 1M	$0.300 / 1M
输出价格	$0.550 / 1M	$1.200 / 1M
总输入令牌	94,992	108,743
输出令牌	34,468	9,372
推理令牌	223,278	0
响应时间（平均）	75.38s	5.18s
响应时间（最大）	437.40s	48.38s
响应时间（总计）	1507.52s	113.95s

Hamster playing table tennis

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

#110 Gemma 4 31B

medium

成本: $0.002
时间: 45.7s
令牌: 2,696 tok

#111 LongCat 2.0

none

成本: $0.027
时间: 411.7s
令牌: 22,283 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
LongCat 2.0	4.8	10.0	25.0%	0		2.87s	624	503	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
Gemma 4 31B	4.3	5.8	22.2%	1		219.76s	5,568	11,098	33,212
LongCat 2.0	5.5	10.0	33.3%	0		2.85s	7,446	578	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
Gemma 4 31B	2.9	5.8	16.7%	1		433.11s	77,035	12,112	157,552
LongCat 2.0	6.5	10.0	50.0%	0		28.45s	83,372	7,289	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
Gemma 4 31B	10.0	10.0	100.0%	0		21.11s	8,334	1,822	2,951
LongCat 2.0	10.0	10.0	100.0%	0		2.36s	7,671	246	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
Gemma 4 31B	7.7	10.0	66.7%	0		38.48s	876	4,349	8,985
LongCat 2.0	3.0	10.0	0.0%	0		1.72s	729	25	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
Gemma 4 31B	10.0	10.0	100.0%	0		9.57s	567	105	888
LongCat 2.0	5.0	10.0	0.0%	0		2.76s	489	111	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
Gemma 4 31B	10.0	10.0	100.0%	0		12.76s	777	533	2,035
LongCat 2.0	6.5	10.0	50.0%	0		2.82s	675	66	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
Gemma 4 31B	9.9	10.0	100.0%	0		26.91s	801	1,795	5,595
LongCat 2.0	4.0	5.0	33.3%	2		2.74s	663	299	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
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	0
LongCat 2.0	10.0	10.0	100.0%	0		6.64s	6,867	231	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
Gemma 4 31B	3.0	10.0	0.0%	0		90.14s	218	1,692	10,014
LongCat 2.0	3.0	10.0	0.0%	0		3.92s	207	24	0

快速对比

切换对比组合

Claude Sonnet 5nonevsGemma 4 31Bmedium免费可用 LongCat 2.0nonevsQwen3.5-Flashmedium Ring-2.6-1TmediumvsLongCat 2.0none LongCat 2.0nonevsGPT-5.6 Lunalow Seed-2.0-LitenonevsGemma 4 31Bmedium免费可用 Gemma 4 31Bmedium免费可用vsGPT-5.6 Lunalow LongCat 2.0nonevsQwen3.5-35B-A3Bmedium Gemma 4 31Bmedium免费可用vsQwen3.5 Plus 2026-02-15none Gemini 3.1 Flash LiteminimalvsLongCat 2.0none LongCat 2.0nonevsgpt-oss-120bmedium LongCat 2.0nonevsInklinglow Gemini 3.1 Flash LitelowvsLongCat 2.0none