Gemma 4 31BvsKimi K2.5
在 11 个共同 benchmark 中，Kimi K2.5 整体领先：Gemma 4 31B 领先 3 项，Kimi K2.5 领先 8 项，持平 0 项，平均分差 -2.32。
Gemma 4 31B
DeepMind · 2026-04-02 · 聊天大模型
Kimi K2.5
Moonshot AI · 2026-01-27 · 多模态大模型
Gemma 4 31B3 项(27%)(73%)8 项Kimi K2.5
评测分数
按能力类目分组，每组内按分差大小排列；共 11 项。
Agent Level Benchmark
胶着 2/2| 评测项 | Gemma 4 31B | Kimi K2.5 | 分差 |
|---|---|---|---|
| τ²-Bench - Telecom | 65.50149 / 264Normal (With Tools) | 81.30108 / 264Normal (With Tools) | -15.80 |
| Terminal Bench Hard | 30.30110 / 244Normal (With Tools) | 18.90150 / 244Normal (With Tools) | +11.40 |
General Knowledge
胶着 2/2| 评测项 | Gemma 4 31B | Kimi K2.5 | 分差 |
|---|---|---|---|
| MMLU Pro | 85.2026 / 176Thinking (No Tools) | 78.5071 / 176Thinking (No Tools) | +6.70 |
| HLE | 11.80369 / 563Normal (No Tools) · Text only | 13.20357 / 563Normal (No Tools) · Text only | -1.40 |
Claw-style Agent Evaluation
Kimi K2.5 领先 1/1| 评测项 | Gemma 4 31B | Kimi K2.5 | 分差 |
|---|---|---|---|
| PinchBench v2 | 52.6638 / 45Reported best (effort unspecified) | 54.6036 / 45Reported best (effort unspecified) | -1.94 |
Coding and Software Engineer
Kimi K2.5 领先 1/1| 评测项 | Gemma 4 31B | Kimi K2.5 | 分差 |
|---|---|---|---|
| LiveCodeBench | 8052 / 250Thinking (No Tools) | 8529 / 250Thinking (No Tools) | -5 |
Instruction Following
Gemma 4 31B 领先 1/1| 评测项 | Gemma 4 31B | Kimi K2.5 | 分差 |
|---|---|---|---|
| IF Bench | 53.50144 / 282Normal (No Tools) | 43.70188 / 282Normal (No Tools) | +9.80 |
Long Context
Kimi K2.5 领先 1/1| 评测项 | Gemma 4 31B | Kimi K2.5 | 分差 |
|---|---|---|---|
| AA-LCR | 46.70141 / 170Normal (No Tools) | 67.30113 / 170Normal (No Tools) | -20.60 |
Math and Reasoning
Kimi K2.5 领先 1/1| 评测项 | Gemma 4 31B | Kimi K2.5 | 分差 |
|---|---|---|---|
| AIME 2026 | 89.2025 / 29Thinking (No Tools) | 92.5021 / 29Thinking (No Tools) | -3.30 |
Multimodal Understanding
Kimi K2.5 领先 1/1| 评测项 | Gemma 4 31B | Kimi K2.5 | 分差 |
|---|---|---|---|
| MMMU-Pro | 70.30126 / 227Normal (No Tools) | 73.10110 / 227Normal (No Tools) | -2.80 |
科学与综合推理
Kimi K2.5 领先 1/1| 评测项 | Gemma 4 31B | Kimi K2.5 | 分差 |
|---|---|---|---|
| GPQA Diamond | 76.30270 / 462Normal (No Tools) | 78.90248 / 462Normal (No Tools) | -2.60 |
规格对比
| 字段 | Gemma 4 31B | Kimi K2.5 |
|---|---|---|
| 发布机构 | DeepMind | Moonshot AI |
| 发布时间 | 2026-04-02 | 2026-01-27 |
| 模型类型 | 聊天大模型 | 多模态大模型 |
| 架构 | 稠密模型 | MoE 架构 |
| 参数规模 | 307亿 | 1万亿 |
| 上下文长度 | 256K | 256K |
| 最大输出 | 32K | 16K |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | Gemma 4 31B | Kimi K2.5 |
|---|---|---|
| 文本输入 | 暂无公开价格 | $0.6 / 1M tokens |
| 文本输出 | 暂无公开价格 | $3 / 1M tokens |
| 缓存读取 | 暂无公开价格 | $0.1 / 1M tokens |
部分模型公开价格不完整，缺失字段按"暂无公开价格"展示。
小结
- Gemma 4 31B在以下类目领先:Instruction Following (1/1)
- Kimi K2.5在以下类目领先:Claw-style Agent Evaluation (1/1)、Coding and Software Engineer (1/1)、Long Context (1/1)、Math and Reasoning (1/1)、Multimodal Understanding (1/1)、科学与综合推理 (1/1)
- 胶着类目:Agent Level Benchmark、General Knowledge
11 个共同 benchmark 上，Kimi K2.5 平均高出 2.32 分。
单项差距最大的 benchmark：AA-LCR — Gemma 4 31B 46.70，Kimi K2.5 67.30（分差 -20.60）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。