AI BENCHY 对比

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

摘要

Gemma 4 31B (medium) vs GPT-5.6 Terra benchmark 对比：Gemma 4 31B (medium) 平均分领先，为 6.3 vs 6.0。 Gemma 4 31B (medium) benchmark 成本更低，为 $0.033 vs $0.130。 GPT-5.6 Terra 更快，为 1.25s vs 56.55s，通过率为 69.8% vs 42.9%。

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 Terra低约 4.0 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 Terra GPT-5.6 Terra 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 Terra GPT-5.6 Terra none 发布日期: 2026-07-09
分数	6.3	6.0
排名	#102	#116
可靠性	10.0	10.0
一致性	9.4	9.3
测试正确
尝试通过率	69.8%	42.9%
不稳定测试	1	2
总运行次数	63	63
每个结果成本	0.257	1.623
总成本	$0.033	$0.130
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	39,552
输出令牌	22,356	2,060
推理令牌	65,726	0
响应时间（平均）	56.55s	1.25s
响应时间（最大）	437.40s	3.97s
响应时间（总计）	1074.41s	26.21s

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

#116 GPT-5.6 Terra

none

成本: $0.030
时间: 14.7s
令牌: 2,082 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 Terra	4.8	10.0	25.0%	0		942ms	606	191	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 Terra	5.5	10.0	33.3%	0		1.00s	7,302	336	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 Terra	3.0	10.0	0.0%	0		3.97s	14,961	437	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 Terra	10.0	10.0	100.0%	0		1.13s	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 Terra	5.3	7.2	44.4%	1		757ms	723	68	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 Terra	5.0	10.0	0.0%	0		1.03s	477	102	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 Terra	8.5	6.8	83.3%	1		1.15s	660	101	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 Terra	5.3	10.0	33.3%	0		1.23s	642	235	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 Terra	9.6	10.0	100.0%	0		3.10s	6,846	344	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 Terra	3.0	10.0	0.0%	0		787ms	195	24	0

快速对比

切换对比组合