Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Google: Gemini 3.1 Flash Lite vs xAI: Grok 4.3

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-08

Metrică Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite medium Lansare: 2026-05-08 Grok 4.3 Grok 4.3 medium Lansare: 2026-05-01
Scor 7.9 8.0
Rang #27 #24
Fiabilitate 10.0 10.0
Consistență 9.1 8.7
Teste corecte
Rată de trecere pe încercare 71.9% 77.2%
Teste instabile 2 3
Rulări totale 57 57
Cost per rezultat 0.452 4.229
Cost total $0.059 $0.550
Preț de intrare $0.250 / 1M $1.250 / 1M
Preț de ieșire $1.500 / 1M $2.500 / 1M
Tokenuri de ieșire 2,224 1,237
Tokenuri de raționament 32,034 200,033
Timp de răspuns (mediu) 3.14s 48.41s
Timp de răspuns (maxim) 10.87s 216.69s
Timp de răspuns (total) 59.62s 919.73s

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 3.1 Flash Lite 9.1 10.0 75.0% 0 2.39s 604 4,201
Grok 4.3 10.0 10.0 100.0% 0 8.83s 88 8,207
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 3.26s 429 2,712
Grok 4.3 10.0 10.0 100.0% 0 45.72s 284 9,659
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 10.87s 327 7,401
Grok 4.3 10.0 10.0 100.0% 0 63.99s 234 15,301
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 3.1 Flash Lite 10.0 10.0 100.0% 0 2.60s 279 2,845
Grok 4.3 10.0 10.0 100.0% 0 18.97s 180 9,546
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 3.1 Flash Lite 2.9 7.2 11.1% 1 3.16s 15 5,165
Grok 4.3 5.3 7.2 44.4% 1 181.74s 14 111,300
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 2.60s 84 1,142
Grok 4.3 5.4 2.5 66.7% 1 24.70s 70 5,020
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 3.1 Flash Lite 9.9 10.0 100.0% 0 2.59s 75 3,320
Grok 4.3 9.8 10.0 100.0% 0 18.58s 57 8,713
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 3.1 Flash Lite 7.6 7.2 77.8% 1 1.95s 165 2,450
Grok 4.3 5.9 7.2 55.6% 1 22.53s 128 14,686
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 4.55s 234 921
Grok 4.3 10.0 10.0 100.0% 0 17.66s 168 4,615
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 3.1 Flash Lite 3.0 10.0 0.0% 0 3.08s 12 1,877
Grok 4.3 3.0 10.0 0.0% 0 44.47s 14 12,986

Comparație rapidă

Schimbă perechea de comparație

Gemini 3 Flash PreviewnonevsGrok 4.3mediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.3mediumGemini 3.1 Flash Lite PreviewnonevsGrok 4.3mediumGemini 3.1 Flash LitemediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsGrok 4.3mediumGemini 3.1 Flash LitemediumvsGPT-5.3 ChatnoneGemini 3.1 Flash LitelowvsGrok 4.3mediumDeepSeek V4 FlashhighvsGemini 3.1 Flash LitemediumGPT-5.3 ChatnonevsGrok 4.3mediumDeepSeek V4 FlashhighvsGrok 4.3mediumGemini 3.1 Flash LitemediumvsQwen3.6 Max PreviewnoneQwen3.6 Max PreviewnonevsGrok 4.3medium