AI BENCHY 对比

Google: Gemma 4 31B vs MoonshotAI: Kimi K2.5

摘要

Gemma 4 31B vs Kimi K2.5 benchmark 对比：Gemma 4 31B 平均分领先，为 6.1 vs 5.5。 Gemma 4 31B benchmark 成本更低，为 $0.004 vs $0.027。 Gemma 4 31B 更快，为 4.05s vs 13.18s，通过率为 47.6% vs 34.9%。

推荐模型: Gemma 4 31B - 它在这里得分最高（6.1），同时成本比Kimi K2.5低约 9.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标	Gemma 4 31B Gemma 4 31B none 发布日期: 2026-04-02 免费可用	Kimi K2.5 Kimi K2.5 none 发布日期: 2026-01-27

指标	Gemma 4 31B Gemma 4 31B none 发布日期: 2026-04-02 免费可用	Kimi K2.5 Kimi K2.5 none 发布日期: 2026-01-27
分数	6.1	5.5
排名	#113	#135
可靠性	10.0	10.0
一致性	10.0	8.9
测试正确
尝试通过率	47.6%	34.9%
不稳定测试	0	3
总运行次数	63	63
每个结果成本	0.034	0.442
总成本	$0.004	$0.027
输入价格	$0.120 / 1M	$0.375 / 1M
输出价格	$0.350 / 1M	$2.025 / 1M
总输入令牌	20,911	36,034
输出令牌	1,407	6,657
推理令牌	0	0
响应时间（平均）	4.05s	13.18s
响应时间（最大）	26.13s	42.13s
响应时间（总计）	76.87s	184.47s

生成展示

Hamster playing table tennis

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

#113 Gemma 4 31B

none

成本: $0.001
时间: 12.8s
令牌: 795 tok

#135 MoonshotAI: Kimi K2.5

none

成本: $0.015
时间: 89.1s
令牌: 5,421 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	6.5	10.0	50.0%	0		1.85s	852	45	0
Kimi K2.5	3.6	8.4	8.3%	1		6.24s	652	373	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	5.5	10.0	33.3%	0		11.19s	8,381	735	0
Kimi K2.5	5.5	10.0	33.3%	0		24.56s	7,311	4,708	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
Kimi K2.5	2.8	2.1	33.3%	1		19.16s	12,264	748	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		2.25s	8,352	285	0
Kimi K2.5	7.3	5.8	83.3%	1		42.13s	7,180	187	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		3.22s	903	27	0
Kimi K2.5	5.3	10.0	33.3%	0		4.38s	753	29	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		2.09s	576	117	0
Kimi K2.5	10.0	10.0	100.0%	0		4.00s	483	76	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	6.5	10.0	50.0%	0		2.84s	795	78	0
Kimi K2.5	6.5	10.0	50.0%	0		2.67s	677	60	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	6.5	10.0	33.3%	0		4.23s	828	108	0
Kimi K2.5	3.0	10.0	0.0%	0		4.04s	667	236	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
Kimi K2.5	10.0	10.0	100.0%	0		13.99s	5,835	220	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		1.25s	224	12	0
Kimi K2.5	3.0	10.0	0.0%	0		3.90s	212	20	0

快速对比

切换对比组合