BenchLeader

Gemma 3 4B

质量第 328 / 339 名
33.6Index
后四分之一
较中位数 −16.6
价格第 7 / 255 名
$0.063每百万 token
最便宜的 10%
中位数的 0.1 倍
速度第 183 / 216 名
41token/秒
后四分之一
中位数的 0.5 倍
性价比第 10 / 255 名
533.3分/$
前 10%
中位数的 9.6 倍

性价比更高: Gemma 4 E4B $0.040/M 即可获得 Index 43.2,便宜 37%。

有 5 个更便宜的已排名模型得分更高:Qwen3.5-4B (46.7, $0.060)、Gemma 4 E4B (43.2, $0.040)、Qwen2.5 7B Instruct (39.8, $0.050),另有 2 个。

截至 2026年11月16日,Gemma 3 4B(Google)在 BenchLeader Index 上得分 33.6(共 608 个已排名配置)。表现最好的是人类偏好(45),最弱的是多模态(11)。API 价格为输入每百万 token $0.050、输出每百万 token $0.100(按 3:1 混合为 $0.063),为 2026年11月16日的标价。输出速度约为 41 token/秒(Artificial Analysis)。发布于 2025年3月12日。

要点(截至 2026年11月16日)

  • Gemma 3 4B 的 API 价格为输入每百万 token $0.050、输出每百万 token $0.100(按 3:1 混合为 $0.063)(标价,2026年11月16日)。
  • Gemma 3 4B 的输出速度约为 41 token/秒(Artificial Analysis,2026年11月16日)。
  • Gemma 3 4B 于 2025年3月12日发布(Google)。

详细说明:Gemma 3 4B 是 Google 的开放权重模型,发布于 2025年3月12日。其最佳配置在 BenchLeader Index 上得分 33.6 ±4.9,在 608 个配置中排第 595 名,处于下半区。关键在于这个“±”:另有 64 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,人类偏好得分最高(45),多模态最低(11)。按混合价格计,每百万 token $0.063,属于已排名模型中最便宜的五分之一。输出速度为 41 token/秒,首次回答需 1.5 秒,位于最慢的四分之一。最近一次测量:2026年11月11日。

混合价格
$0.063/M
输入 $0.050 · 输出 $0.100
来源:models.dev
输出速度
41 tok/s
由 Artificial Analysis 测量
首次回答
1.47 s
首 token 0.93 s
上下文
131k
来源:models.dev
完整回答
52 s
最近一次测量 2026年11月13日
单任务成本
–
单任务 token 数
–
发布日期
2025年3月12日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index34
  2. 推理27
  3. 编程37
  4. 智能体与工具31
  5. 数学36
  6. 指令遵循26
  7. 人类偏好45
  8. 多模态11
  9. 长上下文26

嵌入这个排名

更多徽章样式
[![Gemma 3 4B on BenchLeader: 综合第 320 名](https://www.benchleader.com/badge/gemma-3-4b.svg?style=compact)](https://www.benchleader.com/models/gemma-3-4b)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

Google 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

Index 走势

2026年9月8日 至 2026年11月16日
293744

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

元数据

基准测试默认来源趋势
AA Openness Index不计入 Index50#61Artificial Analysis

推理

编程

基准测试默认来源趋势
Arena Coding1274#305Arena (LMArena)
Terminal-Bench 2.1 (AA)不计入 Index0.4%#232Artificial Analysis
LiveCodeBench (AA)不计入 Index11.2%#280Artificial Analysis

数学

基准测试默认来源趋势
OTIS Mock AIME7.5%#249Epoch AI Benchmarking Hub
Arena Maths1254#272Arena (LMArena)
AIME 2025 (AA)不计入 Index12.7%#217Artificial Analysis

知识

基准测试默认来源趋势
Global-MMLU-Lite (AA)不计入 Index54.5%#111Artificial Analysis

指令遵循

基准测试默认来源趋势
IFBench28.3%#379Artificial Analysis
MultiChallenge22.8%#45Scale AI SEAL
Arena Instruction Following不计入 Index1268#279Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1303#264Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index1066#103EQ-Bench
Arena Creative Writing不计入 Index1274#253Arena (LMArena)
Arena Multi-turn不计入 Index1272#277Arena (LMArena)
Arena Longer Queries不计入 Index1312#258Arena (LMArena)

多模态

基准测试默认来源趋势
MMMU-Pro29.9%#289Artificial Analysis

长上下文

基准测试默认来源趋势
AA-LCR v1.16.7%#504Artificial Analysis

综合

基准测试默认来源趋势
AA Intelligence Index v4.3.2不计入 Index4.8#628Artificial Analysis
AA Progress Index v1不计入 Index131.7#589Artificial Analysis

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
Parasail46 tok/s1.41 s$0.040$0.050131kbf16
DeepInfra25 tok/s1.61 s$0.050$0.100131kbf16
DeepInfra23 tok/s1.54 s$0.075$0.150131kbf16

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0001–8.7 s
总结一份 30 页的报告12,000 / 600$0.0007–15.9 s
代码编辑6,000 / 1,500$0.0005–37.6 s
智能体编程会话60,000 / 4,000$0.0034–1.6 min
结构化信息提取2,000 / 200$0.0001–6.3 s

Google 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Gemma 3 4B 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![Gemma 3 4B on BenchLeader: 综合第 320 名](https://www.benchleader.com/badge/gemma-3-4b.svg)](https://www.benchleader.com/models/gemma-3-4b)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). Gemma 3 4B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gemma-3-4b

BibTeX:

@misc{benchleader_gemma_3_4b_20261116,
  author       = {{BenchLeader}},
  title        = {{Gemma 3 4B on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gemma-3-4b}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Gemma 3 4B 的基准测试得分是多少?
截至 2026年11月16日,Gemma 3 4B 的 BenchLeader Index 为 33.6 ±4.9。最强的是人类偏好(45),最弱的是多模态(11)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
Gemma 3 4B 排名第几?
截至 2026年11月16日,Gemma 3 4B 在 608 个已排名配置中排第 595 名。另有 64 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
Gemma 3 4B 每百万 token 的价格是多少?
截至 2026年11月16日,Gemma 3 4B 的价格为输入每百万 token $0.050、输出每百万 token $0.100,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.063。
Gemma 3 4B 是什么时候发布的?
Google 于 2025年3月12日发布了 Gemma 3 4B。

数据截至 2026年11月16日。 与其他模型对比

引用格式:BenchLeader,《Gemma 3 4B:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gemma-3-4b。