AI BENCHY 对比

Google: Gemma 4 31B vs StepFun: Step 3.7 Flash

摘要

Gemma 4 31B vs Step 3.7 Flash benchmark 对比：Step 3.7 Flash 平均分领先，为 8.5 vs 6.3。 Gemma 4 31B benchmark 成本更低，为 $0.033 vs $0.376。 Step 3.7 Flash 更快，为 20.35s vs 56.55s，通过率为 69.8% vs 73.0%。

推荐模型: Step 3.7 Flash - 它在这里得分最高（8.5），同时响应速度比Gemma 4 31B快约 2.8 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 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29

指标	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用	Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29
分数	6.3	8.5
排名	#88	#20
可靠性	10.0	9.9
一致性	9.4	9.3
测试正确
尝试通过率	69.8%	73.0%
不稳定测试	1	2
总运行次数	63	61
每个结果成本	0.257	2.686
总成本	$0.033	$0.376
输入价格	$0.120 / 1M	$0.200 / 1M
输出价格	$0.350 / 1M	$1.150 / 1M
总输入令牌	17,957	39,981
输出令牌	22,356	319,958
推理令牌	65,726	0
响应时间（平均）	56.55s	20.35s
响应时间（最大）	437.40s	113.98s
响应时间（总计）	1074.41s	427.42s

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

#20 Step 3.7 Flash

medium

成本: $0.006
时间: 46.2s
令牌: 4,466 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 3.7 Flash	8.7	7.9	91.7%	1		9.65s	756	32,185	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
Step 3.7 Flash	8.8	7.8	88.9%	1		27.42s	7,437	44,797	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
Step 3.7 Flash	10.0	10.0	100.0%	0		9.06s	13,683	7,106	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
Step 3.7 Flash	10.0	10.0	100.0%	0		2.75s	7,398	3,020	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
Step 3.7 Flash	7.7	10.0	66.7%	0		48.27s	708	70,347	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
Step 3.7 Flash	4.0	10.0	0.0%	0		6.85s	525	3,987	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
Step 3.7 Flash	9.8	10.0	100.0%	0		1.83s	735	2,166	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
Step 3.7 Flash	5.7	9.9	33.3%	0		6.19s	756	15,071	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
Step 3.7 Flash	10.0	10.0	100.0%	0		4.16s	7,746	2,115	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
Step 3.7 Flash	3.0	10.0	0.0%	0		113.98s	237	139,164	0

快速对比

切换对比组合