Gemma 4 31B
推理模型实战排名#42SQBench · 45 个模型
模型分析
Gemma 4 31B 是一款开源推理模型，支持文本、图像、视频输入、文本输出，拥有 25.6 万 Token 上下文窗口，定价在同类参评模型中处于低位。
在 SQBench 实战能力评测中，该模型得分为 34.1，排名处于后段；模型可靠度为 84.9%，幻觉率为 8.7%；完成整套评测共消耗 11.8M Token、8.2 小时和 1.50美元。
分项能力层面，动态代码逻辑和软件工程是相对优势；长文本推理和深度研究表现相对偏弱。
查看《Gemma 4 31B 实战能力评测报告》 ↗技术参数
- 推理模式
- 推理
- 输入模态
- 文本、图像、视频
- 输出模态
- 文本
- 上下文长度
- 256K
- 总参数量
- 30.7B
- 发布日期
- 2026-04
实战能力#42/45
34.1
幻觉率#43/45
8.7%
评测成本#5/45
1.5$
完成耗时#11/45
8.2h
Token 消耗#1/45
11.8M
实战能力
基于任务通过情况衡量模型在真实业务任务中的稳定交付表现，越高表示可稳定完成的任务比例越高。
细分能力
从基础执行、复合工作流和业务场景三个层面，比较模型在不同类型实战任务中的表现。
| 能力 / 模型 | ||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| L1 原子能力 | ||||||||||||||||||||
| 指令遵循 | ||||||||||||||||||||
| 长文本推理 | ||||||||||||||||||||
| 动态代码逻辑 | ||||||||||||||||||||
| 鲁棒性与边界 | ||||||||||||||||||||
| L2 复合技能 | ||||||||||||||||||||
| 数据分析 | ||||||||||||||||||||
| 软件工程 | ||||||||||||||||||||
| 深度研究 | ||||||||||||||||||||
| 办公协作 | ||||||||||||||||||||
| L3 业务场景 | ||||||||||||||||||||
| 金融 | ||||||||||||||||||||
| 工业 | ||||||||||||||||||||
| 医疗 | ||||||||||||||||||||
| 政务 |
成本效率
展示模型完成 SQBench 实战任务所需的评测成本、完成耗时和 Token 消耗，用于辅助判断规模化使用成本。
评测成本（USD） · 数值越低，投入越少
左右滑动查看完整榜单
Gemma 4 31BGoogle
- 实战能力
- 34.1%
- 评测成本
- $1.5
- 完成耗时
- 8.24 小时
- Token 消耗
- 11.84M
性价比
对比模型实战能力与可靠度、评测成本、完成耗时和 Token 消耗，辅助判断不同模型的部署价值。
左右滑动查看完整图表
虚线为筛选范围内全部模型的中位数：实战能力 51.36%，可靠度 83.63%。浅色区域仅作相对比较。