Gemma 4 31B
性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,便宜 54%。
有 11 个更便宜的已排名模型得分更高:GLM 5.3 Flash (57.8, $0.238)、Claude Haiku 5.5 (56.7, $0.200)、MiMo-V2.5 (56.3, $0.138),另有 8 个。
截至 2026年11月16日,Gemma 4 31B(Google)在 BenchLeader Index 上得分 51.9(共 608 个已排名配置)。表现最好的是数学(65),最弱的是知识(24)。API 价格为输入每百万 token $0.200、输出每百万 token $0.400(按 3:1 混合为 $0.250),为 2026年11月16日的标价。输出速度约为 64 token/秒(OpenRouter)。发布于 2026年4月2日。
要点(截至 2026年11月16日)
- Gemma 4 31B 的 API 价格为输入每百万 token $0.200、输出每百万 token $0.400(按 3:1 混合为 $0.250)(标价,2026年11月16日)。
- Gemma 4 31B 的输出速度约为 64 token/秒(OpenRouter,2026年11月16日)。
- Gemma 4 31B 于 2026年4月2日发布(Google)。
详细说明:Gemma 4 31B 是 Google 的开放权重模型,发布于 2026年4月2日。其最佳配置在 BenchLeader Index 上得分 51.9 ±7.8,在 608 个配置中排第 296 名,处于上半区。关键在于这个“±”:另有 380 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,数学得分最高(65),知识最低(24)。按混合价格计,每百万 token $0.250,比大多数已排名模型便宜。输出速度为 64 token/秒,首 token 延迟 0.5 秒,比大多数模型慢。它已在 6 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $0.250/M
- 输入 $0.200 · 输出 $0.400
- 来源:models.dev
- 输出速度
- 64 tok/s
- OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
- 首次回答
- 0.54 s
- 上下文
- 262k
- 来源:models.dev
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2026年4月2日
- 综合 Index52
- 推理61
- 编程48
- 数学65
- 知识24
- 人类偏好54
- 多模态62
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/gemma-4-31b)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。
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
| 推理强度 | Index | 排名 | 速度 | 首次回答 | 聊天回复成本 | 类别 |
|---|---|---|---|---|---|---|
| 无推理 | 49.8 | #353 | 47 tok/s | 4.12 s | $0.0002 | 智能体与工具 44 · 指令遵循 55 · 长上下文 47 · 多模态 53 |
| minimal | – | – | 64 tok/s | 0.54 s | $0.0002 | 数学 55 · 推理 55 |
| high | – | – | 64 tok/s | 0.54 s | $0.0002 | |
| max | – | – | 64 tok/s | 0.54 s | $0.0002 | 综合 13 |
| thinking | 46.6 | #427 | 36 tok/s | 52 s | $0.0002 | 智能体与工具 50 · 编程 28 · 指令遵循 74 · 知识 18 · 长上下文 59 · 多模态 56 · 推理 33 |
| 未说明最佳 | 51.9 | #296 | 64 tok/s | 0.54 s | $0.0002 | 编程 48 · 人类偏好 54 · 知识 24 · 数学 65 · 多模态 62 · 推理 61 |
Index 走势
2026年9月8日 至 2026年11月16日- 默认
- 无推理
- thinking
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 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA Openness Index不计入 Index | 38.9#155 | 38.9#155 | Artificial Analysis |
推理
| 基准测试 | 无推理 | minimal | max | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| GPQA Diamond | – | 75.8%#156 | – | – | – | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts推理强度未说明 | – | – | – | – | 1475#77 | Arena (LMArena) | |
| LiveBench 2.0 Reasoning不计入 Index | – | – | 68.3%#34 | – | – | LiveBench | |
| GPQA Diamond (AA)不计入 Index | 76.3%#241 | – | – | 85.7%#123 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 11.8%#307 | – | – | 23.6%#210 | – | Artificial Analysis | |
| HLE-Diamond (AA) | – | – | – | 7.2%#130 | – | Artificial Analysis | |
| Kagi LLM Benchmark推理强度未说明 | – | – | – | – | 63.5%#42 | Kagi LLM Benchmark | |
| CritPt不计入 Index | 0.0%#337 | – | – | 1.4%#230 | – | Artificial Analysis | |
| CritPt v2 hard subset (AA) | – | – | – | 4.0%#116 | – | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | – | – | – | 1498#48 | Arena (LMArena) | |
| LMCA不计入 Index推理强度未说明 | – | – | – | – | 39.3%#116 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index推理强度未说明 | – | – | – | – | 82.7%#125 | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index推理强度未说明 | – | – | – | – | 61.1%#69 | ForecastBench |
编程
| 基准测试 | 无推理 | max | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| SciCode推理强度未说明 | – | – | – | 45.5%#155 | SciCode | |
| WeirdML推理强度未说明 | – | – | – | 52.3%#66 | WeirdML | |
| Arena Coding推理强度未说明 | – | – | – | 1502#77 | Arena (LMArena) | |
| Arena WebDev推理强度未说明 | – | – | – | 1370#113 | Arena (LMArena) | |
| LiveBench 2.0 Coding不计入 Index | – | 20.3%#34 | – | – | LiveBench | |
| SciCode (AA)不计入 Index | – | – | 45.5%#160 | – | Artificial Analysis | |
| Surface Evolver Bench不计入 Index推理强度未说明 | – | – | – | 30.6%#24 | Epoch AI Benchmarking Hub | |
| ALE-Bench不计入 Index推理强度未说明 | – | – | – | 925.5#75 | Epoch AI Benchmarking Hub | |
| Terminal-Bench 4.0 (AA)不计入 Index | – | – | 0.0%#186 | – | Artificial Analysis | |
| Terminal-Bench 2.1 (AA)不计入 Index | 29.2%#160 | – | 43.5%#136 | – | Artificial Analysis | |
| GameBench 2 by reasoning setting不计入 Index | 18.6#198 | – | – | – | DuelLab GameBench 2 | |
| FrontierCode 2.0 (AA) | – | – | 0.0%#125 | – | Artificial Analysis |
智能体与工具
| 基准测试 | 无推理 | high | max | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| LiveBench Long Agentic不计入 Index | – | – | 8.5%#34 | – | – | LiveBench | |
| LiveBench Browser不计入 Index | – | – | 0.0%#34 | – | – | LiveBench | |
| Terminal-Bench Hard | 30.3%#115 | – | – | 36.4%#71 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 65.5%#171 | – | – | 59.9%#183 | – | Artificial Analysis | |
| GDPval-AA v2.1, normalised score不计入 Index | 2.4%#120 | – | – | 5.9%#115 | – | Artificial Analysis | |
| GDPval-AA v2.1不计入 Index | 555#234 | – | – | 627#227 | – | Artificial Analysis | |
| τ³-Banking (AA) | 8.9%#156 | – | – | 14.8%#123 | – | Artificial Analysis | |
| ITBench SRE (AA)不计入 Index | – | – | – | 37.3%#25 | – | Artificial Analysis | |
| Terminal-Bench 2.0 (Vals)不计入 Index | – | 39.3%#34 | – | – | – | Vals AI | |
| AutomationBench不计入 Index | – | – | – | 4.9%#200 | – | Artificial Analysis | |
| GDP.pdf (AA)不计入 Index | – | – | – | 6.0%#187 | – | Artificial Analysis | |
| EnterpriseOps-Gym不计入 Index | – | – | – | 28.4%#46 | – | Artificial Analysis | |
| AA-Briefcase v1.1不计入 Index | – | – | – | 369#227 | – | Artificial Analysis | |
| Terminal-Bench-Science 0.1 (AA)不计入 Index | – | – | – | 0.0%#115 | – | Artificial Analysis | |
| FACTS Search不计入 Index推理强度未说明 | – | – | – | – | 75.3%#23 |
数学
| 基准测试 | minimal | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| OTIS Mock AIME | 73.3%#140 | – | Epoch AI Benchmarking Hub | |
| Arena Maths推理强度未说明 | – | 1467#59 | Arena (LMArena) |
知识
| 基准测试 | high | max | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| SimpleQA Verified推理强度未说明 | – | – | – | 10.4%#97 | Epoch AI Benchmarking Hub | |
| LiveBench 2.0 Data Analysis不计入 Index | – | 53.3%#33 | – | – | LiveBench | |
| LiveBench Research不计入 Index | – | 38.1%#34 | – | – | LiveBench | |
| AA-Omniscience v1.1 | – | – | -48.5#139 | – | Artificial Analysis | |
| CaseLaw v2不计入 Index | 52.6%#43 | – | – | – | Vals AI | |
| AA-Omniscience v1.1: accuracy不计入 Index | – | – | 19.9%#123 | – | Artificial Analysis | |
| AA-Omniscience v1.1: non-hallucination不计入 Index | – | – | 14.5%#125 | – | Artificial Analysis | |
| FACTS Parametric不计入 Index推理强度未说明 | – | – | – | 6.9%#26 |
指令遵循
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 53.5%#158 | 75.6%#29 | – | Artificial Analysis | |
| Arena Instruction Following不计入 Index推理强度未说明 | – | – | 1453#64 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1452#78 | Arena (LMArena) | |
| EQ-Bench 4 | 1110#26 | EQ-Bench | |
| EQ-Bench Creative Writing v3不计入 Index | 1369#77 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1418#88 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1465#75 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1469#65 | Arena (LMArena) |
多模态
| 基准测试 | 无推理 | high | max | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| Arena Vision推理强度未说明 | – | – | – | – | 1279#36 | Arena (LMArena) | |
| LiveBench Design不计入 Index | – | – | 56.5%#32 | – | – | LiveBench | |
| MMMU-Pro | 70.3%#157 | – | – | 73.4%#136 | – | Artificial Analysis | |
| MortgageTax不计入 Index | – | 61.4%#58 | – | – | – | Vals AI | |
| SAGE不计入 Index | – | 82.8%#24 | – | – | – | Vals AI | |
| FACTS Multimodal不计入 Index推理强度未说明 | – | – | – | – | 42.3%#15 |
长上下文
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| AA-LCR v1.1 | 46.7%#352 | 69.7%#239 | – | Artificial Analysis | |
| Arena Document不计入 Index推理强度未说明 | – | – | 1452#31 | Arena (LMArena) | |
| FACTS Grounding不计入 Index推理强度未说明 | – | – | 75.8%#8 |
综合
| 基准测试 | 无推理 | max | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | – | 144.3#95 | Epoch AI Benchmarking Hub | |
| LiveBench 2.0 | – | 32.4%#34 | – | – | LiveBench | |
| AA Intelligence Index v5.0.1不计入 Index | – | – | 4.4#125 | – | Artificial Analysis | |
| AA Intelligence Index v4.3.2不计入 Index | 13.9#314 | – | 14.7#302 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 233#312 | – | 253.5#255 | – | Artificial Analysis |
GameBench 2, best reasoning setting (None): 18.6. 仅供参考,不计入 BenchLeader Index。
DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
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 |
|---|---|---|---|---|---|---|
| Modal | 194 tok/s | 0.42 s | $0.340 | $0.100 | 131k | – |
| Friendli | 149 tok/s | 0.56 s | $0.140 | $0.400 | 262k | – |
| KT | 137 tok/s | 0.69 s | $0.100 | $0.340 | 262k | – |
| Prime Intellect | 87 tok/s | 1.55 s | $0.200 | $0.335 | 262k | fp4 |
| NextBit | 84 tok/s | 0.56 s | $0.150 | $0.400 | 262k | fp4 |
| SambaNova | 70 tok/s | 3.60 s | $0.380 | $1.15 | 131k | – |
| CoreWeave | 69 tok/s | 0.36 s | $0.100 | $0.340 | 262k | fp4 |
| DeepInfra (fp4) | 65 tok/s | 0.36 s | $0.135 | $0.510 | 262k | fp4 |
| Venice | 50 tok/s | 0.63 s | $0.120 | $0.360 | 256k | fp4 |
| Crusoe | 49 tok/s | 0.50 s | $0.140 | $0.400 | 262k | bf16 |
| SiliconFlow | 35 tok/s | 1.07 s | $0.750 | $1.00 | 262k | fp8 |
| DekaLLM | 32 tok/s | 0.81 s | $0.140 | $0.400 | 262k | – |
| NovitaAI | 28 tok/s | 0.68 s | $0.140 | $0.400 | 262k | bf16 |
| Parasail | 24 tok/s | 1.32 s | $0.150 | $0.400 | 262k | fp8 |
| Chutes | 23 tok/s | 3.77 s | $0.120 | $0.370 | 131k | fp4 |
| DeepInfra (fp8) | 11 tok/s | 2.97 s | $0.300 | $0.600 | 262k | fp8 |
| DeepInfra (fp8) | 7 tok/s | 18 s | $0.200 | $0.400 | 262k | fp8 |
使用情况
Gemma 4 31B 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商
来源: 使用情况: OpenRouter 排名 · 数据截至 2026年11月16日。
价格历史
上述价格(每百万 token)在每个变动日的数值。
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,价格为每百万 token $0.250。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 | $0.0002 | $0.0002 | 5.2 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0026 | $0.0031 | 9.9 s |
| 代码编辑 | 6,000 / 1,500 | $0.0018 | $0.0020 | 24.0 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.014 | $0.016 | 1.1 min |
| 结构化信息提取 | 2,000 / 200 | $0.0005 | $0.0006 | 3.7 s |
Google 的更多模型
将 Gemma 4 31B 与以下模型对比
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Gemma 4 31B 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。
[](https://www.benchleader.com/models/gemma-4-31b)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 4 31B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gemma-4-31b
BibTeX:
@misc{benchleader_gemma_4_31b_20261116,
author = {{BenchLeader}},
title = {{Gemma 4 31B on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/gemma-4-31b}},
note = {Data as of 2026-11-16}
}常见问题
- Gemma 4 31B 的基准测试得分是多少?
- 截至 2026年11月16日,Gemma 4 31B 的 BenchLeader Index 为 51.9 ±7.8。最强的是数学(65),最弱的是知识(24)。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 4 31B 排名第几?
- 截至 2026年11月16日,Gemma 4 31B 在 608 个已排名配置中排第 296 名。另有 380 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 4 31B 每百万 token 的价格是多少?
- 截至 2026年11月16日,Gemma 4 31B 的价格为输入每百万 token $0.200、输出每百万 token $0.400,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.250。标价最近一次变动是在 2026年10月21日。
- Gemma 4 31B 比 Muse Ember 更好吗?
- 截至 2026年11月16日,Gemma 4 31B 与 Muse Ember(推理强度 max)的质量不相上下(BenchLeader Index 51.9 比 52.1,在 ±8.7 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- Gemma 4 31B 是什么时候发布的?
- Google 于 2026年4月2日发布了 Gemma 4 31B。BenchLeader 收录了它在 6 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《Gemma 4 31B: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-4-31b。