AI BENCHY 对比

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

摘要

Gemma 4 31B vs Qwen3.5-35B-A3B benchmark 对比：Gemma 4 31B 平均分领先，为 6.3 vs 5.9。 Qwen3.5-35B-A3B benchmark 成本更低，为 $0.012 vs $0.033。 Qwen3.5-35B-A3B 更快，为 3.37s vs 56.55s，通过率为 69.8% vs 42.9%。

推荐模型: Qwen3.5-35B-A3B - 它的得分接近这里的最高分（5.9 vs 6.3），同时成本比Gemma 4 31B低约 2.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

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 none 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 none 发布日期: 2026-02-24
分数	6.3	5.9
排名	#87	#108
可靠性	10.0	10.0
一致性	9.4	8.9
测试正确
尝试通过率	69.8%	42.9%
不稳定测试	1	3
总运行次数	63	63
每个结果成本	0.257	0.230
总成本	$0.033	$0.012
输入价格	$0.120 / 1M	$0.140 / 1M
输出价格	$0.350 / 1M	$1.000 / 1M
总输入令牌	17,957	48,194
输出令牌	22,356	4,343
推理令牌	65,726	0
响应时间（平均）	56.55s	3.37s
响应时间（最大）	437.40s	47.43s
响应时间（总计）	1074.41s	70.75s

Generation showcase

Hamster playing table tennis

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

#87 Gemma 4 31B

medium

Cost: $0.002
Time: 45.7s
Tokens: 2,696 tok

#108 Qwen3.5-35B-A3B

none

Cost: $0.005
Time: 28.4s
Tokens: 4,518 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
Qwen3.5-35B-A3B	3.4	7.9	16.7%	1		1.43s	696	574	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
Qwen3.5-35B-A3B	5.5	10.0	33.3%	0		1.39s	7,808	571	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
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		47.43s	20,739	1,833	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
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		1.16s	7,794	243	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
Qwen3.5-35B-A3B	7.7	10.0	66.7%	0		485ms	789	15	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
Qwen3.5-35B-A3B	6.5	3.4	66.7%	1		1.19s	522	114	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
Qwen3.5-35B-A3B	6.3	10.0	50.0%	0		809ms	711	63	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
Qwen3.5-35B-A3B	3.7	7.4	22.2%	1		1.35s	714	655	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
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		2.30s	8,211	264	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
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		493ms	210	11	0

快速对比

切换对比组合