Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

Google: Gemini 2.5 Flash vs xAI: Grok 4.5

Ringkasan

Perbandingan benchmark Gemini 2.5 Flash (medium) vs Grok 4.5 (medium): Grok 4.5 (medium) unggul dalam skor rata-rata dengan 8.3 vs 8.2. Gemini 2.5 Flash (medium) memiliki biaya benchmark lebih rendah di $0.379 vs $1.696. Gemini 2.5 Flash (medium) lebih cepat di 15.49s vs 62.63s, dengan tingkat keberhasilan 69.8% vs 77.8%.

Model yang direkomendasikan: Gemini 2.5 Flash (medium) - Its score stays close to the best score here (8.2 vs 8.3), while costing about 4.5x less than Grok 4.5 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-08

Metrik Gemini 2.5 Flash Gemini 2.5 Flash medium Rilis: 2025-06-17 Grok 4.5 Grok 4.5 medium Rilis: 2026-07-08
Skor 8.2 8.3
Peringkat #25 #23
Keandalan 10.0 9.9
Konsistensi 9.6 8.9
Tes benar
Tingkat lulus per percobaan 69.8% 77.8%
Tes tidak stabil 1 3
Total Run 63 63
Biaya per hasil 2.701 11.304
Total Biaya $0.379 $1.696
Harga input $0.300 / 1M $2.000 / 1M
Harga output $2.500 / 1M $6.000 / 1M
Total token input 34,476 53,500
Token output 1,930 1,621
Token penalaran 145,145 263,127
Waktu respons (rata-rata) 15.49s 62.63s
Waktu respons (maks) 95.48s 436.38s
Waktu respons (total) 325.39s 1315.20s

Showcase generasi

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#25 Gemini 2.5 Flash

medium
SVG tidak valid
Biaya
$0.000
Waktu
274.0s
Token
0 tok

#23 xAI: Grok 4.5

medium
Biaya
$0.044
Waktu
59.4s
Token
7,512 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemini 2.5 Flash 8.4 10.0 75.0% 0 6.30s 492 255 10,233
Grok 4.5 10.0 10.0 100.0% 0 23.50s 2,991 147 4,018
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemini 2.5 Flash 7.8 10.0 66.7% 0 41.01s 6,669 543 32,303
Grok 4.5 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemini 2.5 Flash 10.0 10.0 100.0% 0 28.44s 12,522 303 11,922
Grok 4.5 10.0 10.0 100.0% 0 15.65s 15,084 261 4,254
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemini 2.5 Flash 10.0 10.0 100.0% 0 4.06s 7,257 279 2,325
Grok 4.5 10.0 10.0 100.0% 0 6.29s 8,937 225 3,657
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemini 2.5 Flash 5.9 7.2 55.6% 1 37.34s 633 18 80,702
Grok 4.5 2.9 7.2 11.1% 1 198.89s 2,212 11 121,922
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemini 2.5 Flash 4.8 10.0 0.0% 0 4.86s 486 92 1,899
Grok 4.5 6.5 3.4 66.7% 1 12.84s 1,077 71 2,384
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemini 2.5 Flash 9.8 10.0 100.0% 0 2.62s 615 69 1,203
Grok 4.5 9.8 10.0 100.0% 0 6.06s 1,857 57 2,728
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemini 2.5 Flash 7.7 10.0 66.7% 0 3.18s 558 126 2,499
Grok 4.5 10.0 10.0 100.0% 0 7.75s 2,430 254 3,641
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemini 2.5 Flash 10.0 10.0 100.0% 0 6.20s 5,088 234 1,140
Grok 4.5 10.0 10.0 100.0% 0 6.57s 8,544 192 968
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Gemini 2.5 Flash 3.0 10.0 0.0% 0 2.76s 156 11 919
Grok 4.5 3.0 10.0 0.0% 0 74.44s 789 13 14,921

Perbandingan Cepat

Ganti Pasangan Perbandingan

DeepSeek V4 FlashhighvsGemini 2.5 FlashmediumDeepSeek V4 FlashhighvsGrok 4.5mediumGPT-5.2 ChatnonevsGrok 4.5mediumGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGrok 4.5lowClaude Opus 4.8lowvsGemini 2.5 FlashmediumGemini 2.5 FlashmediumvsStep 3.7 FlashlowClaude Opus 4.8lowvsGrok 4.5mediumDeepSeek V4 ProhighvsGemini 2.5 FlashmediumStep 3.7 FlashlowvsGrok 4.5mediumGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsGrok 4.5medium