Навигация
AI BENCHY
Advertise here

AI BENCHY Compare

Google: Gemini 2.5 Flash vs xAI: Grok 4.5

Сводка

Сравнение benchmark Gemini 2.5 Flash (medium) vs Grok 4.5 (medium): Grok 4.5 (medium) лидирует по среднему баллу: 8.3 vs 8.2. Gemini 2.5 Flash (medium) имеет более низкую стоимость benchmark: $0.379 vs $1.696. Gemini 2.5 Flash (medium) быстрее: 15.49s vs 62.63s, с долей успешных попыток 69.8% vs 77.8%.

Рекомендуемая модель: Gemini 2.5 Flash (medium) - Его балл близок к лучшему здесь (8.2 против 8.3), при этом он примерно в 4.5 раза дешевле, чем Grok 4.5 (medium).

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-08

Метрика Gemini 2.5 Flash Gemini 2.5 Flash medium Релиз: 2025-06-17 Grok 4.5 Grok 4.5 medium Релиз: 2026-07-08
Оценка 8.2 8.3
Ранг #25 #23
Надежность 10.0 9.9
Стабильность 9.6 8.9
Тестов верно
Доля успешных попыток 69.8% 77.8%
Нестабильные тесты 1 3
Всего запусков 63 63
Стоимость за результат 2.701 11.304
Общая стоимость $0.379 $1.696
Цена входа $0.300 / 1M $2.000 / 1M
Цена выхода $2.500 / 1M $6.000 / 1M
Общее число входных токенов 34,476 53,500
Выходные токены 1,930 1,621
Токены рассуждений 145,145 263,127
Время ответа (среднее) 15.49s 62.63s
Время ответа (макс.) 95.48s 436.38s
Время ответа (суммарно) 325.39s 1315.20s

Генерация showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#25 Gemini 2.5 Flash

medium
Неверный SVG
Стоимость
$0.000
Время
274.0s
Токены
0 tok

#23 xAI: Grok 4.5

medium
Стоимость
$0.044
Время
59.4s
Токены
7,512 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Gemini 2.5 Flash 8.4 10.0 75.0% 0 6.30s 492 255 10,233
Grok 4.5 10.0 10.0 100.0% 0 23.50s 2,991 147 4,018
Программирование Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Gemini 2.5 Flash 7.8 10.0 66.7% 0 41.01s 6,669 543 32,303
Grok 4.5 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634
Комбинированный Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Gemini 2.5 Flash 10.0 10.0 100.0% 0 28.44s 12,522 303 11,922
Grok 4.5 10.0 10.0 100.0% 0 15.65s 15,084 261 4,254
Парсинг и извлечение данных Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Gemini 2.5 Flash 10.0 10.0 100.0% 0 4.06s 7,257 279 2,325
Grok 4.5 10.0 10.0 100.0% 0 6.29s 8,937 225 3,657
Предметно-ориентированное Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Gemini 2.5 Flash 5.9 7.2 55.6% 1 37.34s 633 18 80,702
Grok 4.5 2.9 7.2 11.1% 1 198.89s 2,212 11 121,922
Общий интеллект Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Gemini 2.5 Flash 4.8 10.0 0.0% 0 4.86s 486 92 1,899
Grok 4.5 6.5 3.4 66.7% 1 12.84s 1,077 71 2,384
Следование инструкциям Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Gemini 2.5 Flash 9.8 10.0 100.0% 0 2.62s 615 69 1,203
Grok 4.5 9.8 10.0 100.0% 0 6.06s 1,857 57 2,728
Решение головоломок Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Gemini 2.5 Flash 7.7 10.0 66.7% 0 3.18s 558 126 2,499
Grok 4.5 10.0 10.0 100.0% 0 7.75s 2,430 254 3,641
Вызов инструментов Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Gemini 2.5 Flash 10.0 10.0 100.0% 0 6.20s 5,088 234 1,140
Grok 4.5 10.0 10.0 100.0% 0 6.57s 8,544 192 968
Эрудиция Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Gemini 2.5 Flash 3.0 10.0 0.0% 0 2.76s 156 11 919
Grok 4.5 3.0 10.0 0.0% 0 74.44s 789 13 14,921

Быстрое сравнение

Сменить пару сравнения

DeepSeek V4 FlashhighvsGemini 2.5 FlashmediumDeepSeek V4 FlashhighvsGrok 4.5mediumGPT-5.2 ChatnonevsGrok 4.5mediumGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGrok 4.5lowClaude Opus 4.8lowvsGemini 2.5 FlashmediumGemini 2.5 FlashmediumvsStep 3.7 FlashlowClaude Opus 4.8lowvsGrok 4.5mediumDeepSeek V4 ProhighvsGemini 2.5 FlashmediumStep 3.7 FlashlowvsGrok 4.5mediumGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsGrok 4.5medium