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 3.5 Flash vs xAI: Grok 4.20

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-22

Metrică Gemini 3.5 Flash Gemini 3.5 Flash low Lansare: 2026-05-19 Grok 4.20 Grok 4.20 none Lansare: 2026-03-31
Scor 9.3 5.4
Rang #3 #120
Fiabilitate 10.0 N/D
Consistență 10.0 9.5
Teste corecte
Rată de trecere pe încercare 90.0% 35.2%
Teste instabile 0 1
Rulări totale 60 54
Cost per rezultat 1.582 1.574
Cost total $0.285 $0.095
Preț de intrare $1.500 / 1M $1.250 / 1M
Preț de ieșire $9.000 / 1M $2.500 / 1M
Tokenuri de ieșire 2,027 1,967
Tokenuri de raționament 23,938 0
Timp de răspuns (mediu) 2.98s 1.11s
Timp de răspuns (maxim) 6.44s 6.04s
Timp de răspuns (total) 59.59s 20.02s

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 3.5 Flash 10.0 10.0 100.0% 0 2.52s 209 2,536
Grok 4.20 4.8 10.0 25.0% 0 501ms 267 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 3.5 Flash 6.8 10.0 50.0% 0 5.54s 452 6,839
Grok 4.20 3.4 9.3 0.0% 0 1.22s 312 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 3.5 Flash 10.0 10.0 100.0% 0 6.44s 351 3,050
Grok 4.20 3.0 10.0 0.0% 0 6.04s 282 0
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 3.5 Flash 10.0 10.0 100.0% 0 1.81s 279 1,164
Grok 4.20 10.0 10.0 100.0% 0 522ms 207 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 3.5 Flash 7.7 10.0 66.7% 0 3.39s 12 4,538
Grok 4.20 3.0 10.0 0.0% 0 687ms 325 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 3.5 Flash 10.0 10.0 100.0% 0 2.27s 119 916
Grok 4.20 4.8 10.0 0.0% 0 659ms 83 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 3.5 Flash 9.9 10.0 100.0% 0 1.86s 71 1,652
Grok 4.20 6.3 10.0 50.0% 0 455ms 60 0
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 3.5 Flash 10.0 10.0 100.0% 0 2.35s 288 2,150
Grok 4.20 5.3 7.2 44.4% 1 487ms 242 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 3.5 Flash 10.0 10.0 100.0% 0 3.27s 234 403
Grok 4.20 10.0 10.0 100.0% 0 4.63s 189 0
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Gemini 3.5 Flash 10.0 10.0 100.0% 0 1.88s 12 690
Grok 4.20 - - - - - - - -

Comparație rapidă

Schimbă perechea de comparație

Mistral Small 4mediumvsGrok 4.20noneMiniMax M2.5mediumDisponibil gratuitvsGrok 4.20noneElephant AlphamediumvsGrok 4.20nonegpt-oss-120bmediumDisponibil gratuitvsGrok 4.20noneGemini 3.5 FlashlowvsQwen3.7 MaxmediumCobuddymediumDisponibil gratuitvsGrok 4.20noneMiniMax M2.7mediumvsGrok 4.20noneClaude Opus 4.7mediumvsGemini 3.5 FlashlowOwl AlphamediumvsGrok 4.20noneNemotron 3 SupermediumDisponibil gratuitvsGrok 4.20noneGemini 3.5 FlashlowvsGPT-5.5mediumQwen3 Coder NextmediumvsGrok 4.20none