AI BENCHY Compare

Google: Gemini 3.1 Flash Lite vs OpenAI: GPT-5.4

Ringkasan

Perbandingan benchmark Gemini 3.1 Flash Lite vs GPT-5.4: Gemini 3.1 Flash Lite unggul dalam skor rata-rata dengan 6.1 vs 5.8. Gemini 3.1 Flash Lite memiliki biaya benchmark lebih rendah di $0.013 vs $0.122. Gemini 3.1 Flash Lite lebih cepat di 1.06s vs 1.42s, dengan tingkat keberhasilan 52.4% vs 36.5%.

Model yang direkomendasikan: Gemini 3.1 Flash Lite - It has the best score here (6.1), while costing about 9.4x less than GPT-5.4.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-18

Metrik	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite none Rilis: 2026-05-08	GPT-5.4 GPT-5.4 none Rilis: 2026-03-05

Metrik	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite none Rilis: 2026-05-08	GPT-5.4 GPT-5.4 none Rilis: 2026-03-05
Skor	6.1	5.8
Peringkat	#96	#112
Keandalan	10.0	10.0
Konsistensi	8.6	9.2
Tes benar
Tingkat lulus per percobaan	52.4%	36.5%
Tes tidak stabil	4	2
Total Run	63	63
Biaya per hasil	0.144	1.740
Total Biaya	$0.013	$0.122
Harga input	$0.250 / 1M	$2.500 / 1M
Harga output	$1.500 / 1M	$15.000 / 1M
Total token input	36,710	34,212
Token output	2,484	2,417
Token penalaran	0	0
Waktu respons (rata-rata)	1.06s	1.42s
Waktu respons (maks)	2.97s	2.95s
Waktu respons (total)	22.35s	29.87s

Showcase generasi

Hamster playing table tennis

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

#96 Gemini 3.1 Flash Lite

none

Biaya: $0.001
Waktu: 4.5s
Token: 727 tok

#112 GPT-5.4

none

Biaya: $0.026
Waktu: 18.1s
Token: 1,792 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 3.1 Flash Lite	7.5	8.4	66.7%	1		1.07s	506	639	0
GPT-5.4	3.2	8.0	8.3%	1		1.21s	606	406	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	5.5	10.0	33.3%	0		938ms	8,128	666	0
GPT-5.4	5.5	10.0	33.3%	0		1.62s	7,305	516	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		2.73s	12,870	357	0
GPT-5.4	3.0	10.0	0.0%	0		2.89s	11,019	291	0

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 3.1 Flash Lite	10.0	10.0	100.0%	0		843ms	7,267	279	0
GPT-5.4	10.0	10.0	100.0%	0		1.04s	7,140	222	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	2.9	7.2	11.1%	1		762ms	647	15	0
GPT-5.4	5.3	7.2	44.4%	1		1.07s	723	50	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	4.0	10.0	0.0%	0		992ms	486	63	0
GPT-5.4	4.4	9.9	0.0%	0		1.78s	477	184	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		859ms	619	72	0
GPT-5.4	6.5	10.0	50.0%	0		1.07s	660	81	0

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 3.1 Flash Lite	6.3	4.8	66.7%	2		720ms	570	150	0
GPT-5.4	5.6	9.8	33.3%	0		1.44s	642	381	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		2.97s	5,457	234	0
GPT-5.4	10.0	10.0	100.0%	0		2.75s	5,445	246	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		733ms	160	9	0
GPT-5.4	3.0	10.0	0.0%	0		990ms	195	40	0

Perbandingan Cepat

Ganti Pasangan Perbandingan