AI BENCHY 对比
Google: Gemma 4 31B vs xAI: Grok Build 0.1
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-21
| 指标 | Gemma 4 31B Gemma 4 31B none 免费可用 | Grok Build 0.1 Grok Build 0.1 medium |
|---|---|---|
| 分数 | 6.9 | 7.8 |
| 排名 | #72 | #41 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 52.6% | 71.9% |
| 不稳定测试 | 0 | 3 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.025 | 4.064 |
| 总成本 | $0.003 | $0.488 |
| ???? | $0.120 / 1M | $1.000 / 1M |
| ???? | $0.370 / 1M | $2.000 / 1M |
| 输出令牌 | 1,371 | 1,947 |
| 推理令牌 | 0 | 223,372 |
| 响应时间（平均） | 3.86s | 22.28s |
| 响应时间（最大） | 26.13s | 88.28s |
| 响应时间（总计） | 65.57s | 423.30s |
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 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 5.46s | 195 | 9,825 |
| 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 | |
| Grok Build 0.1 | 7.3 | 3.7 | 66.7% | 1 | 30.98s | 354 | 17,734 |
| 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 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 30.81s | 231 | 18,779 |
| 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 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 7.76s | 180 | 10,343 |
| 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 | |
| Grok Build 0.1 | 5.3 | 10.0 | 33.3% | 0 | 77.75s | 501 | 111,807 |
| 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 | |
| Grok Build 0.1 | 3.8 | 2.5 | 33.3% | 1 | 10.14s | 78 | 5,386 |
| 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 | |
| Grok Build 0.1 | 9.8 | 10.0 | 100.0% | 0 | 9.62s | 57 | 12,436 |
| 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 | |
| Grok Build 0.1 | 6.2 | 7.5 | 55.6% | 1 | 8.67s | 161 | 15,476 |
| 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 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 9.40s | 180 | 5,319 |
| 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 | |
| Grok Build 0.1 | 3.0 | 10.0 | 0.0% | 0 | 26.07s | 10 | 16,267 |
快速对比
切换对比组合
DeepSeek 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 MinimediumGemma 4 31Bnone免费可用vsKimi K2.5mediumGemini 3.1 Flash Lite PreviewnonevsGrok Build 0.1mediumGemma 4 31Bnone免费可用vsQwen3.6 27BmediumGemini 3.1 Flash Lite PreviewlowvsGrok Build 0.1mediumGemini 3 Flash PreviewnonevsGrok Build 0.1mediumGPT-5.2 ChatnonevsGrok Build 0.1mediumGemini 3.1 Flash LitelowvsGrok Build 0.1mediumGPT-5.3 ChatnonevsGrok Build 0.1mediumDeepSeek V4 Flashhigh免费可用vsGrok Build 0.1medium