AI BENCHY 对比

Google: Gemma 4 31B vs OpenAI: GPT-5.4

摘要

Gemma 4 31B vs GPT-5.4 benchmark 对比：Gemma 4 31B 平均分领先，为 6.3 vs 5.8。 Gemma 4 31B benchmark 成本更低，为 $0.033 vs $0.122。 GPT-5.4 更快，为 1.42s vs 56.55s，通过率为 69.8% vs 36.5%。

推荐模型: Gemma 4 31B - 它在这里得分最高（6.3），同时成本比GPT-5.4低约 3.7 倍。

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	GPT-5.4 GPT-5.4 none 发布日期: 2026-03-05

指标	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用	GPT-5.4 GPT-5.4 none 发布日期: 2026-03-05
分数	6.3	5.8
排名	#87	#116
可靠性	10.0	10.0
一致性	9.4	9.2
测试正确
尝试通过率	69.8%	36.5%
不稳定测试	1	2
总运行次数	63	63
每个结果成本	0.257	1.740
总成本	$0.033	$0.122
输入价格	$0.120 / 1M	$2.500 / 1M
输出价格	$0.350 / 1M	$15.000 / 1M
总输入令牌	17,957	34,212
输出令牌	22,356	2,417
推理令牌	65,726	0
响应时间（平均）	56.55s	1.42s
响应时间（最大）	437.40s	2.95s
响应时间（总计）	1074.41s	29.87s

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

#116 GPT-5.4

none

Cost: $0.026
Time: 18.1s
Tokens: 1,792 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
GPT-5.4	3.2	8.0	8.3%	1		1.21s	606	406	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
GPT-5.4	5.5	10.0	33.3%	0		1.62s	7,305	516	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
GPT-5.4	3.0	10.0	0.0%	0		2.89s	11,019	291	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
GPT-5.4	10.0	10.0	100.0%	0		1.04s	7,140	222	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
GPT-5.4	5.3	7.2	44.4%	1		1.07s	723	50	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
GPT-5.4	4.4	9.9	0.0%	0		1.78s	477	184	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
GPT-5.4	6.5	10.0	50.0%	0		1.07s	660	81	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
GPT-5.4	5.6	9.8	33.3%	0		1.44s	642	381	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
GPT-5.4	10.0	10.0	100.0%	0		2.75s	5,445	246	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
GPT-5.4	3.0	10.0	0.0%	0		990ms	195	40	0

快速对比

切换对比组合