Google: Gemma 4 31B vs Qwen: Qwen3.5-35B-A3B

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 $0.116 vs $0.837。 Gemma 4 31B (medium) 更快，为 75.38s vs 112.47s，通过率为 68.2% vs 66.7%。

推荐模型Gemma 4 31B (medium)它在这里得分最高（6.3），同时成本比Qwen3.5-35B-A3B (medium)低约 7.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

指标	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium 发布日期: 2026-02-24

指标	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium 发布日期: 2026-02-24
分数	6.3	6.2
排名	#121	#130
可靠性	10.0	10.0
一致性	9.0	7.6
测试正确
尝试通过率	68.2%	66.7%
不稳定测试	2	6
总运行次数	66	66
每个结果成本	1.044	9.130
总成本	$0.116	$0.837
输入价格	$0.140 / 1M	$0.140 / 1M
输出价格	$0.400 / 1M	$1.000 / 1M
总输入令牌	94,992	130,388
输出令牌	34,468	40,630
推理令牌	223,278	786,040
响应时间（平均）	75.38s	112.47s
响应时间（最大）	437.40s	950.25s
响应时间（总计）	1507.52s	2474.28s

Hamster playing table tennis

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

#121 Gemma 4 31B

medium

成本: $0.002
时间: 45.7s
令牌: 2,696 tok

#130 Qwen3.5-35B-A3B

medium

成本: $0.009
时间: 71.4s
令牌: 8,631 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

类别:

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
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		21.13s	672	798	42,652

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
Qwen3.5-35B-A3B	5.9	9.3	33.3%	0		206.65s	4,106	23,844	111,462

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	2.9	5.8	16.7%	1		433.11s	77,035	12,112	157,552
Qwen3.5-35B-A3B	3.8	5.8	33.3%	1		512.79s	109,184	775	444,948

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
Qwen3.5-35B-A3B	7.3	5.9	83.3%	1		59.33s	6,061	235	19,493

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
Qwen3.5-35B-A3B	4.1	4.4	44.5%	2		88.34s	500	41	46,368

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
Qwen3.5-35B-A3B	2.8	1.6	33.3%	1		30.30s	172	20	3,753

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
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		24.45s	699	97	17,361

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
Qwen3.5-35B-A3B	8.2	7.2	88.9%	1		33.13s	597	3,592	26,585

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
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		4.65s	8,193	309	1,365

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
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		177.35s	204	10,919	72,053

快速对比

切换对比组合

Gemini 2.5 FlashnonevsQwen3.5-35B-A3Bmedium Gemma 4 31Bmedium免费可用vsLongCat 2.0none Gemini 3.1 Flash LiteminimalvsQwen3.5-35B-A3Bmedium Claude Sonnet 5nonevsGemma 4 31Bmedium免费可用 GPT-5.6 LunalowvsQwen3.5-35B-A3Bmedium Seed-2.0-LitenonevsQwen3.5-35B-A3Bmedium Gemini 3.1 Flash LitenonevsQwen3.5-35B-A3Bmedium Qwen3.5-35B-A3BmediumvsInklinglow Gemma 4 31Bnone免费可用vsQwen3.5-35B-A3Bmedium Gemma 4 31Bmedium免费可用vsLing 3.0 Flashhigh免费可用 Seed-2.0-LitenonevsGemma 4 31Bmedium免费可用 Nemotron 3 Ultranone免费可用vsQwen3.5-35B-A3Bmedium