导航
AI BENCHY
Advertise here

AI BENCHY 对比

Google: Gemini 2.5 Flash vs xAI: Grok 4.5

摘要

Gemini 2.5 Flash (medium) vs Grok 4.5 (low) benchmark 对比：Gemini 2.5 Flash (medium) 平均分领先，为 8.2 vs 7.8。 Gemini 2.5 Flash (medium) benchmark 成本更低，为 $0.379 vs $0.760。 Grok 4.5 (low) 更快，为 15.48s vs 15.49s，通过率为 69.8% vs 74.6%。

推荐模型: Gemini 2.5 Flash (medium) - 它在这里得分最高（8.2），同时成本比Grok 4.5 (low)低约 2.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-08

指标 Gemini 2.5 Flash Gemini 2.5 Flash medium 发布日期: 2025-06-17 Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08
分数 8.2 7.8
排名 #25 #34
可靠性 10.0 10.0
一致性 9.6 9.7
测试正确
尝试通过率 69.8% 74.6%
不稳定测试 1 1
总运行次数 63 63
每个结果成本 2.701 5.061
总成本 $0.379 $0.760
输入价格 $0.300 / 1M $2.000 / 1M
输出价格 $2.500 / 1M $6.000 / 1M
总输入令牌 34,476 58,652
输出令牌 1,930 1,735
推理令牌 145,145 105,233
响应时间（平均） 15.49s 15.48s
响应时间（最大） 95.48s 205.28s
响应时间（总计） 325.39s 324.98s

生成展示

Hamster playing table tennis

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

#25 Gemini 2.5 Flash

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

#34 xAI: Grok 4.5

low
成本
$0.011
时间
12.4s
令牌
2,018 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
Grok 4.5 10.0 10.0 100.0% 0 2.75s 2,991 261 3,000
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
Grok 4.5 10.0 10.0 100.0% 0 13.72s 9,579 303 15,641
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
Grok 4.5 3.0 10.0 0.0% 0 8.16s 15,084 261 2,370
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
Grok 4.5 10.0 10.0 100.0% 0 3.44s 8,937 225 2,549
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
Grok 4.5 3.0 10.0 0.0% 0 72.64s 2,514 14 70,275
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
Grok 4.5 6.1 3.1 66.7% 1 4.88s 1,077 98 1,253
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
Grok 4.5 9.8 10.0 100.0% 0 2.80s 1,857 57 1,878
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
Grok 4.5 10.0 10.0 100.0% 0 3.20s 2,430 217 2,590
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
Grok 4.5 10.0 10.0 100.0% 0 5.83s 13,394 284 871
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
Grok 4.5 3.0 10.0 0.0% 0 13.98s 789 15 4,806

快速对比

切换对比组合

Claude Sonnet 4.6mediumvsGrok 4.5lowQwen3.6 PlusmediumvsGrok 4.5lowDeepSeek V4 FlashhighvsGemini 2.5 FlashmediumGemini 3.1 Flash Lite PreviewmediumvsGrok 4.5lowQwen3.5 Plus 2026-04-20mediumvsGrok 4.5lowClaude Sonnet 5mediumvsGrok 4.5lowGemini 3.1 Flash LitemediumvsGrok 4.5lowKimi K2.6medium免费可用vsGrok 4.5lowQwen3.5-27BmediumvsGrok 4.5lowQwen3.5-122B-A10BmediumvsGrok 4.5lowClaude Opus 4.6mediumvsGrok 4.5lowQwen3.5 Plus 2026-02-15mediumvsGrok 4.5low