AI BENCHY 对比

Google: Gemma 4 31B vs OpenAI: gpt-oss-120b

摘要

Gemma 4 31B vs gpt-oss-120b benchmark 对比：Gemma 4 31B 平均分领先，为 6.5 vs 6.1。 Gemma 4 31B benchmark 成本更低，为 $0.004 vs $0.013。 Gemma 4 31B 更快，为 4.05s vs 22.28s，通过率为 47.6% vs 52.4%。

推荐模型: Gemma 4 31B - 它在这里得分最高（6.5），同时成本比gpt-oss-120b低约 4.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标	Gemma 4 31B Gemma 4 31B none 发布日期: 2026-04-02 免费可用	gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用

指标	Gemma 4 31B Gemma 4 31B none 发布日期: 2026-04-02 免费可用	gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用
分数	6.5	6.1
排名	#86	#100
可靠性	10.0	10.0
一致性	10.0	8.0
测试正确
尝试通过率	47.6%	52.4%
不稳定测试	0	5
总运行次数	63	63
每个结果成本	0.034	0.141
总成本	$0.004	$0.013
输入价格	$0.120 / 1M	$0.039 / 1M
输出价格	$0.360 / 1M	$0.180 / 1M
总输入令牌	20,911	39,084
输出令牌	1,407	20,013
推理令牌	0	50,233
响应时间（平均）	4.05s	22.28s
响应时间（最大）	26.13s	68.16s
响应时间（总计）	76.87s	311.96s

Generation showcase

Hamster playing table tennis

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

#86 Gemma 4 31B

none

Cost: $0.001
Time: 12.8s
Tokens: 795 tok

#100 gpt-oss-120b

medium

Cost: $0.001
Time: 26.7s
Tokens: 555 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
gpt-oss-120b	6.7	9.9	50.0%	0		10.21s	1,314	3,518	2,177

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
gpt-oss-120b	5.9	7.0	55.6%	1		38.37s	7,782	3,365	11,973

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
gpt-oss-120b	10.0	10.0	100.0%	0		31.18s	11,535	694	5,072

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
gpt-oss-120b	6.4	5.9	66.7%	1		1.98s	7,476	241	1,114

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
gpt-oss-120b	2.9	4.4	22.2%	2		50.92s	1,266	6,784	20,606

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
gpt-oss-120b	4.3	10.0	0.0%	0		7.90s	659	107	387

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
gpt-oss-120b	9.9	10.0	100.0%	0		7.63s	1,036	126	1,799

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
gpt-oss-120b	5.3	7.2	44.4%	1		21.71s	1,190	1,790	2,264

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
gpt-oss-120b	9.8	10.0	100.0%	0		6.91s	6,514	287	1,083

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
gpt-oss-120b	3.0	10.0	0.0%	0		26.51s	312	3,101	3,758

快速对比

切换对比组合