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 none Lansare: 2026-05-08 Grok 4.20 Grok 4.20 medium Lansare: 2026-03-31
Scor 6.7 6.9
Rang #73 #66
Fiabilitate 10.0 10.0
Consistență 8.4 8.3
Teste corecte
Rată de trecere pe încercare 57.9% 63.2%
Teste instabile 4 4
Rulări totale 57 57
Cost per rezultat 0.123 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 2,454 1,784
Tokenuri de raționament 0 128,233
Timp de răspuns (mediu) 1.11s 14.53s
Timp de răspuns (maxim) 2.97s 63.48s
Timp de răspuns (total) 21.13s 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 7.5 8.4 66.7% 1 1.07s 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 1.59s 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 2.73s 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 843ms 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 762ms 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 992ms 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 859ms 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 6.3 4.8 66.7% 2 720ms 150 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 2.97s 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 733ms 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 4.20mediumGemma 4 31BnoneDisponibil gratuitvsGrok 4.20mediumGemini 3.1 Flash LiteminimalvsGrok 4.20mediumGemini 3.1 Flash LitenonevsQwen3.6 27BmediumGemini 3.1 Flash LitenonevsKimi K2.5mediumGemini 3.1 Flash LitenonevsGPT-5 MinimediumGPT-5.5nonevsGrok 4.20mediumDeepSeek V4 ProhighvsGemini 3.1 Flash LitenoneGemini 3.1 Flash LitenonevsGrok 4.1 FastmediumQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20mediumQwen3.6 Max PreviewnonevsGrok 4.20medium