AI BENCHY 对比

Google: Gemma 4 31B vs Mistral: Mistral Small 4

摘要

Gemma 4 31B vs Mistral Small 4 benchmark 对比：Gemma 4 31B 平均分领先，为 6.3 vs 5.1。 Mistral Small 4 benchmark 成本更低，为 $0.007 vs $0.033。 Mistral Small 4 更快，为 630ms vs 56.55s，通过率为 69.8% vs 27.0%。

推荐模型: Mistral Small 4 - 它提供了最佳整体取舍：得分有竞争力（5.1），成本低于Gemma 4 31B，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用	Mistral Small 4 Mistral Small 4 none 发布日期: 2026-03-16

指标	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用	Mistral Small 4 Mistral Small 4 none 发布日期: 2026-03-16
分数	6.3	5.1
排名	#87	#136
可靠性	10.0	10.0
一致性	9.4	9.5
测试正确
尝试通过率	69.8%	27.0%
不稳定测试	1	1
总运行次数	63	63
每个结果成本	0.257	0.139
总成本	$0.033	$0.007
输入价格	$0.120 / 1M	$0.150 / 1M
输出价格	$0.350 / 1M	$0.600 / 1M
总输入令牌	17,957	37,309
输出令牌	22,356	2,201
推理令牌	65,726	0
响应时间（平均）	56.55s	630ms
响应时间（最大）	437.40s	1.72s
响应时间（总计）	1074.41s	13.22s

Generation showcase

Hamster playing table tennis

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

#87 Gemma 4 31B

medium

Cost: $0.002
Time: 45.7s
Tokens: 2,696 tok

#136 Mistral Small 4

none

Cost: $0.002
Time: 10.4s
Tokens: 2,370 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
Gemma 4 31B	10.0	10.0	100.0%	0		12.89s	816	962	2,046
Mistral Small 4	3.4	7.9	16.7%	1		395ms	708	182	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
Mistral Small 4	3.7	9.7	0.0%	0		901ms	7,636	619	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	3.0	10.0	0.0%	0		0ms	0	0	0
Mistral Small 4	3.0	10.0	0.0%	0		1.72s	11,640	496	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
Mistral Small 4	10.0	10.0	100.0%	0		822ms	7,914	261	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
Mistral Small 4	5.3	10.0	33.3%	0		367ms	798	28	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
Mistral Small 4	4.0	10.0	0.0%	0		729ms	519	205	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
Mistral Small 4	6.5	10.0	50.0%	0		380ms	729	69	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
Mistral Small 4	3.1	9.9	0.0%	0		399ms	735	111	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
Mistral Small 4	10.0	10.0	100.0%	0		1.40s	6,420	213	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
Mistral Small 4	3.0	10.0	0.0%	0		397ms	210	17	0

快速对比

切换对比组合