AI BENCHY 对比

Google: Gemma 4 31B vs Kwaipilot: KAT-Coder-Air V2.5

摘要

Gemma 4 31B 平均分领先，为 6.1 vs 6.0。 Gemma 4 31B benchmark 成本更低，为 $0.002 vs $0.030。 Gemma 4 31B 更快，为 4.05s vs 6.47s，通过率为 47.6% vs 46.0%。

推荐模型Gemma 4 31B它在这里得分最高（6.1），同时成本比KAT-Coder-Air V2.5 (low)低约 17.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14

指标	Gemma 4 31B Gemma 4 31B none 发布日期: 2026-04-02 免费可用	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low 发布日期: 2026-07-14

指标	Gemma 4 31B Gemma 4 31B none 发布日期: 2026-04-02 免费可用	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low 发布日期: 2026-07-14
分数	6.1	6.0
排名	#120	#124
可靠性	10.0	9.7
一致性	10.0	7.6
测试正确
尝试通过率	47.6%	46.0%
不稳定测试	0	6
总运行次数	63	63
每个结果成本	0.034	0.427
总成本	$0.002	$0.030
输入价格	$0.060 / 1M	$0.150 / 1M
输出价格	$0.350 / 1M	$0.600 / 1M
总输入令牌	20,911	42,464
输出令牌	1,407	4,227
推理令牌	0	34,864
响应时间（平均）	4.05s	6.47s
响应时间（最大）	26.13s	25.49s
响应时间（总计）	76.87s	135.80s

生成展示

Hamster playing table tennis

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

#120 Gemma 4 31B

none

成本: $0.001
时间: 12.8s
令牌: 795 tok

#124 KAT-Coder-Air V2.5

low

成本: $0.004
时间: 29.9s
令牌: 6,008 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	6.5	10.0	50.0%	0		1.85s	852	45	0
KAT-Coder-Air V2.5	7.3	5.8	83.3%	2		3.50s	672	422	1,548

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	5.5	10.0	33.3%	0		11.19s	8,381	735	0
KAT-Coder-Air V2.5	3.5	7.3	11.1%	1		11.06s	7,893	2,001	13,623

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
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		25.49s	15,132	368	5,707

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		2.25s	8,352	285	0
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		2.82s	7,776	261	1,069

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		3.22s	903	27	0
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		4.99s	553	310	3,332

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		2.09s	576	117	0
KAT-Coder-Air V2.5	5.0	10.0	0.0%	0		10.11s	516	142	596

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	6.5	10.0	50.0%	0		2.84s	795	78	0
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.64s	699	89	640

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	6.5	10.0	33.3%	0		4.23s	828	108	0
KAT-Coder-Air V2.5	3.1	4.6	22.2%	2		1.57s	696	294	796

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
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.47s	8,391	330	1,065

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		1.25s	224	12	0
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		19.98s	136	10	6,488

快速对比

切换对比组合