Gemma 4 31 B
数据来源:AIHOT
上线日期: 2026-04-02 · 上下文: 26.2万 Token
开源权重 ↗综合排名 87
官方 API 价格 ¥ / 百万 Token
- 输入
- 免费
- 输出
- 免费
- 缓存命中
- 免费
Google Gemini API 免费档提供该型号,输入、输出和上下文缓存免费,受免费额度和限速约束;官方价格页未提供付费档。
Google Gemini API 免费档提供该型号,输入、输出和上下文缓存免费,受免费额度和限速约束;官方价格页未提供付费档。
官方价格页 ↗领域能力
| 榜单 | 名次 | 评分 | 评测数 |
|---|---|---|---|
| 综合 | 87 | 37.2 | 14 |
| 编程 | 87 | 39.1 | 3 |
| 科研 | 88 | 37.6 | 4 |
| 专业办公 | 90 | 31.8 | 3 |
| 知识问答 | 87 | 35.5 | 2 |
编程 · 39.1
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Artificial Analysis | 0.0% | 48.9 | 203 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| SciCode ↗ 把物理、化学、生物等科研问题写成能运行、算得对的计算代码。 | Artificial Analysis | 45.5% | 45 | 162 | 2026-11-18 | 备注代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| FrontierCode 2.0 ↗ 在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。 | Artificial Analysis | 0.0% | 42.7 | 140 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
科研 · 37.6
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Terminal-Bench Science ↗ 在命令行里走完一段科研流程:处理数据、跑分析、得出结果。 | Artificial Analysis | 0.0% | 56.5 | 127 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”;这个模型的水平已经低于这条线不少,这一项几乎不起作用。代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CritPt ↗ 物理研究前沿的原创难题,要一步步推导出准确答案。 | Artificial Analysis | 1.4% | 46.7 | 234 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Humanity's Last Exam ↗ 数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。 | Artificial Analysis | 23.6% | 41.4 | 215 | 2026-11-18 | 备注代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CritPt v2 Hard ↗ 修订版研究级物理题里较难的 40 道,可以写代码辅助演算。 | Artificial Analysis | 4.0% | 35.2 | 132 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
专业办公 · 31.8
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| AutomationBench-AA ↗ 在模拟办公软件中处理业务流程,按完成目标和守规情况评分。 | Artificial Analysis | 4.9% | 30.3 | 216 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| GDPval-AA ↗ 按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。 | Artificial Analysis | 626.6 | 29.9 | 232 | 2026-11-18 | 备注代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Briefcase ↗ 完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。 | Artificial Analysis | 369.1 | 25.2 | 244 | 2026-11-18 | 备注代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
知识问答 · 35.5
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| AA-LCR ↗ 读很长的文档,回答要把多处信息串起来才能答的问题。 | Artificial Analysis | 69.7% | 42.7 | 244 | 2026-11-18 | 备注代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Omniscience v1.1 ↗ 各领域的事实问答,答错倒扣、不会可以不答,看模型知道多少、会不会乱编。 | Artificial Analysis | -48.5 | 18.9 | 159 | 2026-11-18 | 备注这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:来源默认配置。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
真人盲选 · 41.6
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Arena Text ↗ 真人匿名比较两个模型的回答,投票选出更好的回答。 | LMArena | 1,451.8 | 51.4 | 79 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| Arena WebDev ↗ 真人匿名比较两个模型做出来的网页,选更好的那个。 | LMArena | 1,370.3 | 39.8 | 118 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
还没有成绩的评测
- Terminal-Bench 4.0 · Vals
- Terminal-Bench 4.0 · 官方
- LiveBench · 编程综合
- Code Migration v1.1
- ProgramBench
- MirrorCode
- Vibe Code Bench v1.1
- CyberBench Patch v1.1
- APEX-SWE
- FrontierCode 2.0 · Cognition
- WeirdML v3
- FrontierSWE v2
- TapTap Maker
- FrontierMath v2 · Tiers 1–3
- LiveBench · 推理与数学
- 致知 · 逻辑月榜
- 司南 · 推理
- ARC-AGI-2
- 司南 · 抽象
- Chess Puzzles
- Mystery Game Puzzles
- MysteryMechanism
- Terminal-Bench Science · Vals
- BioMysteryBench
- Vals Finance Agent v2.1
- APEX-Agents 1.1
- Harvey LAB 1.1 · Vals
- Harvey LAB 1.1 · AA
- τ³-Banking · Mercor
- LiveBench · 数据分析
- AA-Analyst Agent
- Legal Research Bench
- TaxAgentBench
- Excel Modeling v1.1
- SimpleQA Verified
- 司南 · 知识
- MLCR-AA
- LiveBench · 语言与指令
- NYT Connections 扩展版
- BullshitBench · 错误前提
最近的新闻
11-06webAI 开源 TwIL-8B 推理模型:聚焦数学与编程,长板表现优于 Gemma 4 31BIT之家·人工智能
09-01论文:LLM 排行榜名次很大程度由评测配置决定,gemma4-31b 得分可在 31% 到 89% 间波动Rohan Paul
08-25NVIDIA Groq 3 LPX 跑出 Gemma 4 31B 最快推理速度Artificial Analysis
08-11Meta Muse Glimmer-30B 击败 Gemma 4 31BRohan Paul