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-oss-120b

摘要

Gemma 4 31B vs gpt-oss-120b benchmark 对比：gpt-oss-120b 平均分领先，为 6.7 vs 6.3。 gpt-oss-120b benchmark 成本更低，为 $0.013 vs $0.033。 gpt-oss-120b 更快，为 22.28s vs 56.55s，通过率为 69.8% vs 52.4%。

推荐模型: gpt-oss-120b - 它在这里得分最高（6.7），同时成本比Gemma 4 31B低约 2.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用 gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用
分数 6.3 6.7
排名 #88 #78
可靠性 10.0 10.0
一致性 9.4 8.0
测试正确
尝试通过率 69.8% 52.4%
不稳定测试 1 5
总运行次数 63 63
每个结果成本 0.257 0.141
总成本 $0.033 $0.013
输入价格 $0.120 / 1M $0.039 / 1M
输出价格 $0.350 / 1M $0.180 / 1M
总输入令牌 17,957 39,084
输出令牌 22,356 20,013
推理令牌 65,726 50,233
响应时间（平均） 56.55s 22.28s
响应时间（最大） 437.40s 68.16s
响应时间（总计） 1074.41s 311.96s

生成展示

Hamster playing table tennis

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

#88 Gemma 4 31B

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

#78 gpt-oss-120b

medium
成本
$0.001
时间
26.7s
令牌
555 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-oss-120b 6.7 9.9 50.0% 0 10.21s 1,314 3,518 2,177
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-oss-120b 5.9 7.0 55.6% 1 38.37s 7,782 3,365 11,973
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-oss-120b 10.0 10.0 100.0% 0 31.18s 11,535 694 5,072
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-oss-120b 6.4 5.9 66.7% 1 1.98s 7,476 241 1,114
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-oss-120b 2.9 4.4 22.2% 2 50.92s 1,266 6,784 20,606
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-oss-120b 4.3 10.0 0.0% 0 7.90s 659 107 387
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-oss-120b 9.9 10.0 100.0% 0 7.63s 1,036 126 1,799
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-oss-120b 5.3 7.2 44.4% 1 21.71s 1,190 1,790 2,264
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-oss-120b 9.8 10.0 100.0% 0 6.91s 6,514 287 1,083
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-oss-120b 3.0 10.0 0.0% 0 26.51s 312 3,101 3,758

快速对比

切换对比组合

Gemma 4 31Bmedium免费可用vsGPT-5.5noneSeed-2.0-LitenonevsGemma 4 31Bmedium免费可用Gemini 3.5 Flashminimalvsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsQwen3.7 MaxnoneGemini 3.1 Flash Lite Previewlowvsgpt-oss-120bmedium免费可用Gemini 3 Flash Previewnonevsgpt-oss-120bmedium免费可用Gemma 4 31Bmedium免费可用vsQwen3.5-FlashnoneGemini 3.1 Flash Lite Previewnonevsgpt-oss-120bmedium免费可用Gemini 3.1 Flash Litelowvsgpt-oss-120bmedium免费可用Gemma 4 31Bmedium免费可用vsNemotron 3 Ultra 550b A55bnone免费可用Gemini 3.5 Flashnonevsgpt-oss-120bmedium免费可用Gemma 4 31Bmedium免费可用vsQwen3.6 Max Previewnone