AI BENCHY 对比
Google: Gemma 4 31B vs MoonshotAI: Kimi K2.5
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-10
| 指标 | Gemma 4 31B Gemma 4 31B none 免费可用 | Kimi K2.5 Kimi K2.5 medium |
|---|---|---|
| 分数 | 6.9 | 6.8 |
| 排名 | #66 | #71 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 7.0 |
| 测试正确 | ||
| 尝试通过率 | 52.6% | 68.4% |
| 不稳定测试 | 0 | 7 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.025 | 2.616 |
| 总成本 | $0.003 | $0.236 |
| ???? | $0.130 / 1M | $0.440 / 1M |
| ???? | $0.380 / 1M | $2.000 / 1M |
| 输出令牌 | 1,371 | 42,188 |
| 推理令牌 | 0 | 92,514 |
| 响应时间（平均） | 3.86s | 73.39s |
| 响应时间（最大） | 26.13s | 150.77s |
| 响应时间（总计） | 65.57s | 880.65s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 6.5 | 10.0 | 50.0% | 0 | 1.85s | 45 | 0 | |
| Kimi K2.5 | 7.3 | 5.8 | 83.3% | 2 | 51.38s | 2,789 | 8,880 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 26.13s | 699 | 0 | |
| Kimi K2.5 | 4.7 | 1.6 | 66.7% | 1 | 150.77s | 1,269 | 9,749 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 71.37s | 703 | 3,713 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 2.25s | 285 | 0 | |
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 49.78s | 563 | 7,940 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 7.7 | 10.0 | 66.7% | 0 | 3.22s | 27 | 0 | |
| Kimi K2.5 | 3.5 | 4.4 | 33.3% | 2 | 137.29s | 20,753 | 30,564 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 2.09s | 117 | 0 | |
| Kimi K2.5 | 6.5 | 3.4 | 66.7% | 1 | 69.73s | 3,815 | 4,262 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 6.5 | 10.0 | 50.0% | 0 | 2.84s | 78 | 0 | |
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 92.47s | 5,371 | 6,547 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 6.5 | 10.0 | 33.3% | 0 | 2.95s | 108 | 0 | |
| Kimi K2.5 | 5.3 | 7.3 | 44.4% | 1 | 45.40s | 6,671 | 12,403 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 31.74s | 242 | 812 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 1.25s | 12 | 0 | |
| Kimi K2.5 | 3.0 | 10.0 | 0.0% | 0 | 83.95s | 12 | 7,644 |
快速对比
切换对比组合
Gemini 3.1 Flash LiteminimalvsKimi K2.5mediumDeepSeek V4 ProhighvsGemma 4 31Bnone免费可用Gemma 4 31Bnone免费可用vsGrok 4.20mediumGemma 4 31Bnone免费可用vsGPT-5 MinimediumDeepSeek V4 ProhighvsKimi K2.5mediumGemma 4 31Bnone免费可用vsQwen3.6 27BmediumKimi K2.5mediumvsGPT-5.5noneGemini 3.1 Flash LitenonevsKimi K2.5mediumKimi K2.5mediumvsQwen3.5 Plus 2026-02-15noneGemma 4 31Bnone免费可用vsMiMo-V2-OmnimediumGemma 4 31Bnone免费可用vsGPT-5.4 MinimediumDeepSeek V3.2mediumvsGemma 4 31Bnone免费可用