导航
AI BENCHY
Advertise here

AI BENCHY 对比

Google: Gemma 4 31B vs StepFun: Step 3.5 Flash

摘要

Gemma 4 31B vs Step 3.5 Flash benchmark 对比：Step 3.5 Flash 平均分领先，为 6.6 vs 6.3。 Gemma 4 31B benchmark 成本更低，为 $0.033 vs $0.070。 Gemma 4 31B 更快，为 56.55s vs 72.53s，通过率为 69.8% vs 54.0%。

推荐模型: Gemma 4 31B - 它的得分接近这里的最高分（6.3 vs 6.6），同时成本比Step 3.5 Flash低约 2.1 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 Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01
分数 6.3 6.6
排名 #88 #80
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% 54.0%
不稳定测试 1 1
总运行次数 63 60
每个结果成本 0.257 0.198
总成本 $0.033 $0.070
输入价格 $0.120 / 1M $0.090 / 1M
输出价格 $0.350 / 1M $0.300 / 1M
总输入令牌 17,957 34,431
输出令牌 22,356 91,587
推理令牌 65,726 195,973
响应时间（平均） 56.55s 72.53s
响应时间（最大） 437.40s 453.94s
响应时间（总计） 1074.41s 1015.47s

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

#80 Step 3.5 Flash

medium
成本
$0.008
时间
277.1s
令牌
23,695 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
Step 3.5 Flash 10.0 10.0 100.0% 0 40.57s 694 20,391 24,176
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
Step 3.5 Flash 2.4 5.2 0.0% 0 258.38s 2,211 13,207 22,429
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
Step 3.5 Flash 10.0 10.0 100.0% 0 29.57s 13,638 1,176 12,984
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
Step 3.5 Flash 10.0 10.0 100.0% 0 15.01s 7,368 600 13,886
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
Step 3.5 Flash 5.3 7.2 44.4% 1 170.45s 673 45,350 90,436
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
Step 3.5 Flash 5.5 10.0 0.0% 0 22.39s 509 240 3,506
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
Step 3.5 Flash 8.3 10.0 50.0% 0 4.78s 705 2,364 3,521
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
Step 3.5 Flash 5.3 10.0 33.3% 0 7.22s 711 5,630 10,861
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
Step 3.5 Flash 10.0 10.0 100.0% 0 11.91s 7,701 275 3,802
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
Step 3.5 Flash 3.0 10.0 0.0% 0 108.45s 221 2,354 10,372

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 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumGemini 3.1 Flash LitelowvsStep 3.5 FlashmediumGemini 3.5 FlashminimalvsStep 3.5 FlashmediumGemma 4 31Bmedium免费可用vsQwen3.5-FlashnoneQwen3.7 MaxnonevsStep 3.5 FlashmediumGemma 4 31Bmedium免费可用vsNemotron 3 Ultra 550b A55bnone免费可用Gemini 3 Flash PreviewnonevsStep 3.5 FlashmediumGemma 4 31Bmedium免费可用vsQwen3.6 Max PreviewnoneGPT-5.5nonevsStep 3.5 Flashmedium