AI BENCHY 对比
Google: Gemma 4 31B vs OpenAI: GPT-5.3-Codex
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Gemma 4 31B Gemma 4 31B none 免费可用 | GPT-5.3-Codex GPT-5.3-Codex medium |
|---|---|---|
| 分数 | 6.7 | 8.3 |
| 排名 | #76 | #15 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 8.4 |
| 测试正确 | ||
| 尝试通过率 | 50.0% | 81.7% |
| 不稳定测试 | 0 | 4 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.030 | 4.891 |
| 总成本 | $0.003 | $0.685 |
| ???? | $0.120 / 1M | $1.750 / 1M |
| ???? | $0.370 / 1M | $14.000 / 1M |
| 输出令牌 | 1,398 | 2,332 |
| 推理令牌 | 0 | 42,616 |
| 响应时间（平均） | 3.84s | 15.97s |
| 响应时间（最大） | 26.13s | 100.93s |
| 响应时间（总计） | 69.13s | 319.30s |
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 | |
| GPT-5.3-Codex | 8.7 | 7.9 | 91.7% | 1 | 4.16s | 240 | 1,722 |
| 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 | 6.8 | 10.0 | 50.0% | 0 | 14.84s | 726 | 0 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 18.45s | 514 | 7,266 |
| 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 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 19.56s | 364 | 2,731 |
| 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 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.07s | 234 | 728 |
| 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 | |
| GPT-5.3-Codex | 5.9 | 7.2 | 55.6% | 1 | 64.31s | 64 | 25,308 |
| 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 | |
| GPT-5.3-Codex | 4.6 | 10.0 | 0.0% | 0 | 4.87s | 187 | 331 |
| 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 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 93 | 693 |
| 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 | |
| GPT-5.3-Codex | 9.0 | 7.9 | 88.9% | 1 | 5.12s | 352 | 1,644 |
| 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 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 6.37s | 254 | 492 |
| 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 | |
| GPT-5.3-Codex | 2.8 | 1.6 | 33.3% | 1 | 14.43s | 30 | 1,701 |
快速对比
切换对比组合
Gemma 4 31Bnone免费可用vsGrok 4.20mediumGemma 4 31Bnone免费可用vsKimi K2.5mediumDeepSeek V4 ProhighvsGemma 4 31Bnone免费可用Gemma 4 31Bnone免费可用vsQwen3.6 27BmediumGemma 4 31Bnone免费可用vsGPT-5 MinimediumGemma 4 31Bnone免费可用vsMiMo-V2-OmnimediumDeepSeek V3.2mediumvsGemma 4 31Bnone免费可用Gemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumGemma 4 31Bnone免费可用vsQwen3.5-35B-A3BmediumSeed-2.0-MinimediumvsGemma 4 31Bnone免费可用Gemma 4 31Bnone免费可用vsMiMo-V2-FlashmediumGemini 3.5 FlashminimalvsGPT-5.3-Codexmedium