AI BENCHY 对比

Google: Gemma 4 31B vs StepFun: Step 3.5 Flash

摘要

Gemma 4 31B vs Step 3.5 Flash benchmark 对比：Step 3.5 Flash 平均分领先，为 6.6 vs 6.1。 Gemma 4 31B benchmark 成本更低，为 $0.004 vs $0.070。 Gemma 4 31B 更快，为 4.05s vs 72.53s，通过率为 47.6% vs 54.0%。

推荐模型: Gemma 4 31B - 它的得分接近这里的最高分（6.1 vs 6.6），同时成本比Step 3.5 Flash低约 23.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标	Gemma 4 31B Gemma 4 31B none 发布日期: 2026-04-02 免费可用	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01

指标	Gemma 4 31B Gemma 4 31B none 发布日期: 2026-04-02 免费可用	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01
分数	6.1	6.6
排名	#98	#80
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%	54.0%
不稳定测试	0	1
总运行次数	63	60
每个结果成本	0.034	0.198
总成本	$0.004	$0.070
输入价格	$0.120 / 1M	$0.090 / 1M
输出价格	$0.350 / 1M	$0.300 / 1M
总输入令牌	20,911	34,431
输出令牌	1,407	91,587
推理令牌	0	195,973
响应时间（平均）	4.05s	72.53s
响应时间（最大）	26.13s	453.94s
响应时间（总计）	76.87s	1015.47s

生成展示

Hamster playing table tennis

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

#98 Gemma 4 31B

none

成本: $0.001
时间: 12.8s
令牌: 795 tok

#80 Step 3.5 Flash

medium

成本: $0.008
时间: 277.1s
令牌: 23,695 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
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176

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
Step 3.5 Flash	2.4	5.2	0.0%	0		258.38s	2,211	13,207	22,429

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
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	13,638	1,176	12,984

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
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886

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
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436

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
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506

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
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521

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
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861

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
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802

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
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

快速对比

切换对比组合