AI BENCHY 对比

Google: Gemma 4 31B vs Qwen: Qwen3.5 Plus 2026-02-15

摘要

Gemma 4 31B vs Qwen3.5 Plus 2026-02-15 benchmark 对比：Gemma 4 31B 平均分领先，为 6.3 vs 5.8。 Qwen3.5 Plus 2026-02-15 benchmark 成本更低，为 $0.016 vs $0.033。 Qwen3.5 Plus 2026-02-15 更快，为 2.31s vs 56.55s，通过率为 69.8% vs 46.0%。

推荐模型: Qwen3.5 Plus 2026-02-15 - 它的得分接近这里的最高分（5.8 vs 6.3），同时成本比Gemma 4 31B低约 2.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用	Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 none 发布日期: 2026-02-15

指标	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用	Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 none 发布日期: 2026-02-15
分数	6.3	5.8
排名	#91	#109
可靠性	10.0	10.0
一致性	9.4	9.4
测试正确
尝试通过率	69.8%	46.0%
不稳定测试	1	2
总运行次数	63	63
每个结果成本	0.257	0.204
总成本	$0.033	$0.016
输入价格	$0.120 / 1M	$0.260 / 1M
输出价格	$0.350 / 1M	$1.560 / 1M
总输入令牌	17,957	45,864
输出令牌	22,356	2,480
推理令牌	65,726	0
响应时间（平均）	56.55s	2.31s
响应时间（最大）	437.40s	6.65s
响应时间（总计）	1074.41s	34.63s

生成展示

Hamster playing table tennis

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

#91 Gemma 4 31B

medium

成本: $0.002
时间: 45.7s
令牌: 2,696 tok

#109 Qwen3.5 Plus 2026-02-15

none

成本: $0.012
时间: 153.2s
令牌: 7,787 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 Plus 2026-02-15	4.8	10.0	25.0%	0		1.91s	696	517	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 Plus 2026-02-15	4.3	7.9	11.1%	1		2.05s	7,913	473	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 Plus 2026-02-15	3.0	10.0	0.0%	0		6.65s	18,304	314	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 Plus 2026-02-15	10.0	10.0	100.0%	0		1.89s	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 Plus 2026-02-15	5.3	10.0	33.3%	0		1.17s	789	17	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 Plus 2026-02-15	4.4	3.0	33.3%	1		2.26s	522	117	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 Plus 2026-02-15	10.0	10.0	100.0%	0		1.67s	711	72	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 Plus 2026-02-15	7.7	10.0	66.7%	0		2.71s	714	494	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 Plus 2026-02-15	10.0	10.0	100.0%	0		3.33s	8,211	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
Qwen3.5 Plus 2026-02-15	3.0	10.0	0.0%	0		1.11s	210	11	0

快速对比

切换对比组合