AI BENCHY 对比
Google: Gemini 2.5 Flash vs OpenAI: GPT-5.5
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-26
| 指标 | Gemini 2.5 Flash Gemini 2.5 Flash medium | GPT-5.5 GPT-5.5 low |
|---|---|---|
| 分数 | 8.2 | 9.0 |
| 排名 | #18 | #5 |
| 可靠性 | 不适用 | 10.0 |
| 一致性 | 9.5 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 75.9% | 87.0% |
| 不稳定测试 | 1 | 1 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 2.454 | 4.534 |
| 总成本 | $0.319 | $0.681 |
| ???? | $0.300 / 1M | $5.000 / 1M |
| ???? | $2.500 / 1M | $30.000 / 1M |
| 输出令牌 | 1,898 | 1,959 |
| 推理令牌 | 122,273 | 16,134 |
| 响应时间（平均） | 12.12s | 8.39s |
| 响应时间（最大） | 95.48s | 56.19s |
| 响应时间（总计） | 218.12s | 151.01s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 8.4 | 10.0 | 75.0% | 0 | 6.30s | 255 | 10,233 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.15s | 232 | 1,056 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 16.23s | 522 | 10,350 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 7.79s | 369 | 936 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 28.44s | 303 | 11,922 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 9.56s | 303 | 717 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.06s | 279 | 2,325 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.28s | 228 | 157 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 5.9 | 7.2 | 55.6% | 1 | 37.34s | 18 | 80,702 | |
| GPT-5.5 | 5.3 | 10.0 | 33.3% | 0 | 27.57s | 69 | 11,731 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 4.8 | 10.0 | 0.0% | 0 | 4.86s | 92 | 1,899 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.45s | 143 | 132 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 9.8 | 10.0 | 100.0% | 0 | 2.62s | 69 | 1,203 | |
| GPT-5.5 | 9.9 | 10.0 | 100.0% | 0 | 2.98s | 93 | 356 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 7.7 | 10.0 | 66.7% | 0 | 3.94s | 126 | 2,499 | |
| GPT-5.5 | 9.0 | 7.9 | 88.9% | 1 | 4.48s | 272 | 948 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.20s | 234 | 1,140 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.96s | 250 | 101 |
快速对比
切换对比组合
Gemini 2.5 FlashmediumvsHY3 Previewlow免费可用Claude Opus 4.7nonevsGPT-5.5lowClaude Opus 4.7mediumvsGPT-5.5lowGemini 2.5 FlashmediumvsHY3 Previewhigh免费可用Gemini 2.5 FlashmediumvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsGemini 2.5 FlashmediumSeed-2.0-LitemediumvsGPT-5.5lowGPT-5.5lowvsQwen3.5 Plus 2026-02-15mediumGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGPT-5.5lowvsHY3 Previewhigh免费可用Gemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGPT-5.5lowvsQwen3.6 Plus Previewmedium免费可用