导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Google: Gemma 4 31B vs OpenAI: GPT-5.6 Luna

摘要

Gemma 4 31B (medium) vs GPT-5.6 Luna (low) benchmark 对比：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 $0.033 vs $0.141。 GPT-5.6 Luna (low) 更快，为 4.35s vs 56.55s，通过率为 69.8% vs 57.1%。

推荐模型: Gemma 4 31B (medium) - 它在这里得分最高（6.3），同时成本比GPT-5.6 Luna (low)低约 4.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用 GPT-5.6 Luna GPT-5.6 Luna low 发布日期: 2026-07-09
分数 6.3 6.2
排名 #102 #107
可靠性 10.0 10.0
一致性 9.4 8.5
测试正确
尝试通过率 69.8% 57.1%
不稳定测试 1 4
总运行次数 63 63
每个结果成本 0.257 1.404
总成本 $0.033 $0.141
输入价格 $0.120 / 1M $1.000 / 1M
输出价格 $0.350 / 1M $6.000 / 1M
总输入令牌 17,957 34,218
输出令牌 22,356 2,110
推理令牌 65,726 15,571
响应时间（平均） 56.55s 4.35s
响应时间（最大） 437.40s 18.06s
响应时间（总计） 1074.41s 91.45s

生成展示

Hamster playing table tennis

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

#102 Gemma 4 31B

medium
成本
$0.002
时间
45.7s
令牌
2,696 tok

#107 GPT-5.6 Luna

low
成本
$0.011
时间
10.2s
令牌
1,897 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-5.6 Luna 8.3 10.0 75.0% 0 2.21s 606 186 722
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-5.6 Luna 5.5 10.0 33.3% 0 4.61s 7,302 557 3,535
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-5.6 Luna 2.8 1.6 33.3% 1 7.99s 11,019 300 1,060
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-5.6 Luna 10.0 10.0 100.0% 0 2.14s 7,140 234 292
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-5.6 Luna 3.6 7.2 22.2% 1 10.05s 723 70 6,718
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-5.6 Luna 5.0 10.0 0.0% 0 2.25s 477 122 169
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-5.6 Luna 8.5 6.8 83.3% 1 2.04s 660 93 259
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-5.6 Luna 7.6 7.2 77.8% 1 3.59s 642 271 1,207
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-5.6 Luna 10.0 10.0 100.0% 0 4.43s 5,454 250 177
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-5.6 Luna 3.0 10.0 0.0% 0 4.86s 195 27 1,432

快速对比

切换对比组合

Seed-2.0-LitenonevsGPT-5.6 LunalowGemma 4 31Bmedium免费可用vsGPT-5.6 SolnoneGemma 4 31Bmedium免费可用vsGPT-5.5noneGemini 2.5 FlashnonevsGPT-5.6 LunalowGemini 3.1 Flash LiteminimalvsGPT-5.6 LunalowGemini 3.1 Flash LitenonevsGPT-5.6 LunalowGPT-5.6 LunalowvsQwen3.5-FlashnoneGPT-5.6 LunalowvsQwen3.5-35B-A3BmediumSeed-2.0-LitenonevsGemma 4 31Bmedium免费可用Gemma 4 31Bnone免费可用vsGPT-5.6 LunalowNemotron 3 Supermedium免费可用vsGPT-5.6 LunalowNemotron 3 Ultra 550b A55bnone免费可用vsGPT-5.6 Lunalow