Navigare
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Google: Gemini 2.5 Flash vs xAI: Grok 4.20

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-01

Metrică Gemini 2.5 Flash Gemini 2.5 Flash none Lansare: 2025-06-17 Grok 4.20 Grok 4.20 medium Lansare: 2026-03-31
Scor 6.4 7.0
Rang #95 #79
Fiabilitate 10.0 10.0
Consistență 9.6 8.4
Teste corecte
Rată de trecere pe încercare 48.3% 63.3%
Teste instabile 1 4
Rulări totale 60 60
Cost per rezultat 0.159 7.616
Cost total $0.015 $0.450
Preț de intrare $0.300 / 1M $1.250 / 1M
Preț de ieșire $2.500 / 1M $2.500 / 1M
Tokenuri de ieșire 1,764 1,816
Tokenuri de raționament 0 157,251
Timp de răspuns (mediu) 889ms 19.08s
Timp de răspuns (maxim) 4.39s 105.80s
Timp de răspuns (total) 17.79s 381.60s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 2.5 Flash 3.0 10.0 0.0% 0 582ms 102 0
Grok 4.20 8.2 7.9 83.3% 1 3.95s 287 8,312
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 2.5 Flash 6.8 10.0 50.0% 0 810ms 477 0
Grok 4.20 4.1 1.8 50.0% 2 65.07s 265 40,877
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 2.5 Flash 3.0 10.0 0.0% 0 4.39s 366 0
Grok 4.20 10.0 10.0 100.0% 0 17.40s 232 9,556
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 2.5 Flash 10.0 10.0 100.0% 0 652ms 279 0
Grok 4.20 10.0 10.0 100.0% 0 4.17s 180 5,333
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 2.5 Flash 5.9 7.2 55.6% 1 495ms 12 0
Grok 4.20 5.3 10.0 33.3% 0 27.03s 375 49,339
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 2.5 Flash 5.0 10.0 0.0% 0 615ms 78 0
Grok 4.20 3.9 2.6 33.3% 1 24.48s 65 6,440
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 2.5 Flash 10.0 10.0 100.0% 0 590ms 72 0
Grok 4.20 9.8 10.0 100.0% 0 4.26s 57 6,419
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 2.5 Flash 7.7 10.0 66.7% 0 604ms 132 0
Grok 4.20 7.7 10.0 66.7% 0 6.22s 149 7,913
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 2.5 Flash 10.0 10.0 100.0% 0 1.91s 234 0
Grok 4.20 3.0 10.0 0.0% 0 13.68s 197 6,620
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 2.5 Flash 3.0 10.0 0.0% 0 1.15s 12 0
Grok 4.20 3.0 10.0 0.0% 0 63.48s 9 16,442

Comparație rapidă

Schimbă perechea de comparație