AI BENCHY Compare
Google: Gemini 3 Flash Preview vs xAI: Grok Build 0.1
ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-05-22
| 指標 | Gemini 3 Flash Preview Gemini 3 Flash Preview medium | Grok Build 0.1 Grok Build 0.1 none |
|---|---|---|
| スコア | 9.8 | 6.6 |
| 順位 | #1 | #82 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 9.6 | 8.0 |
| 正解テスト | ||
| 試行ごとの合格率 | 98.3% | 60.4% |
| 不安定なテスト | 1 | 4 |
| 総実行回数 | 60 | 57 |
| 結果あたりのコスト | 2.985 | 7.805 |
| 合計コスト | $0.567 | $0.547 |
| ???? | $0.500 / 1M | $1.000 / 1M |
| ???? | $3.000 / 1M | $2.000 / 1M |
| 出力トークン | 2,009 | 267,275 |
| 推論トークン | 181,315 | 0 |
| 応答時間（平均） | 16.72s | 28.69s |
| 応答時間（最大） | 117.26s | 138.35s |
| 応答時間（合計） | 334.36s | 459.00s |
スコア vs 総コスト
応答時間（平均）
スコア vs 応答時間（平均）
合計出力トークン
スコア vs 合計出力トークン
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 3.88s | 330 | 3,216 | |
| Grok Build 0.1 | 8.7 | 7.9 | 91.7% | 1 | 6.30s | 11,162 | 0 |
| コーディング | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 7.9 | 6.4 | 83.3% | 1 | 95.96s | 456 | 127,964 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 21.41s | 16,568 | 0 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 22.42s | 351 | 10,485 | |
| Grok Build 0.1 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 5.43s | 279 | 4,893 | |
| Grok Build 0.1 | 4.7 | 1.6 | 66.7% | 1 | 9.33s | 6,359 | 0 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 15.27s | 12 | 21,684 | |
| Grok Build 0.1 | 3.6 | 7.2 | 22.2% | 1 | 103.71s | 179,469 | 0 |
| 汎用知能 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 5.19s | 72 | 1,905 | |
| Grok Build 0.1 | 4.3 | 10.0 | 0.0% | 0 | 12.47s | 6,647 | 0 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 4.04s | 72 | 2,709 | |
| Grok Build 0.1 | 9.8 | 10.0 | 100.0% | 0 | 7.36s | 8,970 | 0 |
| パズル解決 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 5.48s | 192 | 4,647 | |
| Grok Build 0.1 | 6.4 | 7.7 | 55.6% | 1 | 9.55s | 14,982 | 0 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 12.60s | 234 | 1,487 | |
| Grok Build 0.1 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 |
| 雑学 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 5.50s | 11 | 2,325 | |
| Grok Build 0.1 | 3.0 | 10.0 | 0.0% | 0 | 36.09s | 23,118 | 0 |
クイック比較
比較ペアを切り替え
Qwen3.6 27BmediumvsGrok Build 0.1noneDeepSeek V4 ProhighvsGrok Build 0.1noneKimi K2.5mediumvsGrok Build 0.1noneGemini 3.1 Flash LiteminimalvsGrok Build 0.1noneGPT-5 MinimediumvsGrok Build 0.1noneGrok Build 0.1nonevsMiMo-V2-OmnimediumMercury 2mediumvsGrok Build 0.1noneDeepSeek V3.2mediumvsGrok Build 0.1noneQwen3.5-35B-A3BmediumvsGrok Build 0.1noneSeed-2.0-MinimediumvsGrok Build 0.1noneGrok Build 0.1nonevsMiMo-V2-FlashmediumGPT-5.4 MinimediumvsGrok Build 0.1none