导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Google: Gemini 2.5 Flash vs OpenAI: GPT-5.4

摘要

Gemini 2.5 Flash vs GPT-5.4 benchmark 对比：GPT-5.4 平均分领先，为 8.5 vs 8.2。 Gemini 2.5 Flash benchmark 成本更低，为 $0.379 vs $1.210。 Gemini 2.5 Flash 更快，为 15.49s vs 22.35s，通过率为 69.8% vs 76.2%。

推荐模型: Gemini 2.5 Flash - 它的得分接近这里的最高分（8.2 vs 8.5），同时成本比GPT-5.4低约 3.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 Gemini 2.5 Flash Gemini 2.5 Flash medium 发布日期: 2025-06-17 GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05
分数 8.2 8.5
排名 #24 #17
可靠性 10.0 10.0
一致性 9.6 8.6
测试正确
尝试通过率 69.8% 76.2%
不稳定测试 1 4
总运行次数 63 63
每个结果成本 2.701 8.640
总成本 $0.379 $1.210
输入价格 $0.300 / 1M $2.500 / 1M
输出价格 $2.500 / 1M $15.000 / 1M
总输入令牌 34,476 34,108
输出令牌 1,930 2,242
推理令牌 145,145 72,707
响应时间（平均） 15.49s 22.35s
响应时间（最大） 95.48s 100.41s
响应时间（总计） 325.39s 469.29s

生成展示

Hamster playing table tennis

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

#24 Gemini 2.5 Flash

medium
无效SVG
成本
$0.000
时间
274.0s
令牌
0 tok

#17 GPT-5.4

medium
成本
$0.214
时间
199.6s
令牌
14,349 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 8.4 10.0 75.0% 0 6.30s 492 255 10,233
GPT-5.4 8.3 10.0 75.0% 0 4.11s 606 240 1,511
编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 7.8 10.0 66.7% 0 41.01s 6,669 543 32,303
GPT-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216
综合 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 10.0 10.0 100.0% 0 28.44s 12,522 303 11,922
GPT-5.4 10.0 10.0 100.0% 0 20.57s 11,019 301 3,543
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 10.0 10.0 100.0% 0 4.06s 7,257 279 2,325
GPT-5.4 10.0 10.0 100.0% 0 5.32s 7,140 234 804
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 5.9 7.2 55.6% 1 37.34s 633 18 80,702
GPT-5.4 5.3 7.2 44.4% 1 74.27s 619 61 34,748
通用智能 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 4.8 10.0 0.0% 0 4.86s 486 92 1,899
GPT-5.4 4.7 3.1 33.3% 1 4.92s 477 145 321
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 9.8 10.0 100.0% 0 2.62s 615 69 1,203
GPT-5.4 10.0 10.0 100.0% 0 3.11s 660 93 897
谜题求解 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 7.7 10.0 66.7% 0 3.18s 558 126 2,499
GPT-5.4 8.2 7.2 88.9% 1 9.14s 642 441 3,815
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 10.0 10.0 100.0% 0 6.20s 5,088 234 1,140
GPT-5.4 10.0 10.0 100.0% 0 13.28s 5,445 264 1,031
常识问答 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 3.0 10.0 0.0% 0 2.76s 156 11 919
GPT-5.4 3.0 10.0 0.0% 0 13.95s 195 30 1,821

快速对比

切换对比组合

DeepSeek V4 FlashhighvsGemini 2.5 FlashmediumGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsGPT-5.4mediumGemini 2.5 FlashmediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsGemini 2.5 FlashmediumGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGemini 3.5 FlashlowvsGPT-5.4mediumGPT-5.4mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsGPT-5.4mediumClaude Sonnet 4.6nonevsGemini 2.5 FlashmediumClaude Opus 4.8nonevsGemini 2.5 FlashmediumDeepSeek V4 PrononevsGemini 2.5 Flashmedium