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 benchmark 对比：Gemma 4 31B (medium) 平均分领先，为 6.3 vs 5.3。 Gemma 4 31B (medium) benchmark 成本更低，为 $0.033 vs $0.047。 GPT-5.6 Luna 更快，为 1.06s vs 56.55s，通过率为 69.8% vs 36.5%。

推荐模型: Gemma 4 31B (medium) - 它在本次比较中得分最高（6.3），并且在全部 2 个模型中兼顾成本和响应时间最好。

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 none 发布日期: 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 none 发布日期: 2026-07-09
分数	6.3	5.3
排名	#102	#142
可靠性	10.0	10.0
一致性	9.4	8.8
测试正确
尝试通过率	69.8%	36.5%
不稳定测试	1	3
总运行次数	63	63
每个结果成本	0.257	0.767
总成本	$0.033	$0.047
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	1,967
推理令牌	65,726	0
响应时间（平均）	56.55s	1.06s
响应时间（最大）	437.40s	2.80s
响应时间（总计）	1074.41s	22.34s

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

#142 GPT-5.6 Luna

none

成本: $0.016
时间: 15.8s
令牌: 2,685 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	4.8	10.0	25.0%	0		901ms	606	266	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-5.6 Luna	3.8	7.2	22.2%	1		980ms	7,302	459	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-5.6 Luna	3.0	10.0	0.0%	0		2.78s	11,019	280	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-5.6 Luna	10.0	10.0	100.0%	0		758ms	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-5.6 Luna	2.9	7.2	11.1%	1		737ms	723	54	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-5.6 Luna	5.0	10.0	0.0%	0		1.00s	477	150	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-5.6 Luna	7.1	5.8	83.3%	1		1.23s	660	86	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-5.6 Luna	5.3	10.0	33.3%	0		790ms	642	202	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-5.6 Luna	10.0	10.0	100.0%	0		2.80s	5,454	222	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-5.6 Luna	3.0	10.0	0.0%	0		651ms	195	26	0

快速对比

切换对比组合