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 3.1 Flash Lite vs xAI: Grok 4.20

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 minimal Lansare: 2026-05-08 Grok 4.20 Grok 4.20 medium Lansare: 2026-03-31
Scor 6.8 6.9
Rang #68 #66
Fiabilitate 10.0 10.0
Consistență 8.7 8.3
Teste corecte
Rată de trecere pe încercare 59.7% 63.2%
Teste instabile 3 4
Rulări totale 57 57
Cost per rezultat 0.111 7.559
Cost total $0.012 $0.756
Preț de intrare $0.250 / 1M $1.250 / 1M
Preț de ieșire $1.500 / 1M $2.500 / 1M
Tokenuri de ieșire 2,457 1,784
Tokenuri de raționament 0 128,233
Timp de răspuns (mediu) 1.41s 14.53s
Timp de răspuns (maxim) 4.49s 63.48s
Timp de răspuns (total) 26.72s 276.06s

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 8.3 10.0 75.0% 0 1.10s 639 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 3.1 Flash Lite 10.0 10.0 100.0% 0 1.31s 636 0
Grok 4.20 4.3 1.1 66.7% 1 24.33s 250 12,804
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 3.0 10.0 0.0% 0 2.53s 357 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 3.1 Flash Lite 10.0 10.0 100.0% 0 1.04s 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 3.1 Flash Lite 2.9 7.2 11.1% 1 1.02s 15 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 3.1 Flash Lite 4.0 10.0 0.0% 0 791ms 63 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 3.1 Flash Lite 10.0 10.0 100.0% 0 932ms 72 0
Grok 4.20 7.3 6.0 83.3% 1 4.42s 40 5,474
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 6.0 4.6 66.7% 2 2.15s 153 0
Grok 4.20 7.7 10.0 66.7% 0 6.20s 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 3.1 Flash Lite 10.0 10.0 100.0% 0 3.51s 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 3.1 Flash Lite 3.0 10.0 0.0% 0 724ms 9 0
Grok 4.20 3.0 10.0 0.0% 0 63.48s 9 16,442

Comparație rapidă

Schimbă perechea de comparație

DeepSeek V4 ProhighvsGrok 4.20mediumGemini 3.1 Flash LiteminimalvsKimi K2.5mediumGemini 3.1 Flash LiteminimalvsGPT-5 MinimediumGemma 4 31BnoneDisponibil gratuitvsGrok 4.20mediumGemini 3.1 Flash LiteminimalvsQwen3.6 27BmediumDeepSeek V4 ProhighvsGemini 3.1 Flash LiteminimalGemini 3.1 Flash LiteminimalvsGPT-5.5noneGPT-5.5nonevsGrok 4.20mediumGemini 3.1 Flash LitenonevsGrok 4.20mediumGemini 3.1 Flash LiteminimalvsQwen3.5 Plus 2026-02-15noneQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20medium