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 (medium) benchmark 对比：Grok 4.5 (medium) 平均分领先，为 8.3 vs 8.2。 Gemini 2.5 Flash (medium) benchmark 成本更低，为 $0.379 vs $1.696。 Gemini 2.5 Flash (medium) 更快，为 15.49s vs 62.63s，通过率为 69.8% vs 77.8%。

推荐模型: Gemini 2.5 Flash (medium) - 它的得分接近这里的最高分（8.2 vs 8.3），同时成本比Grok 4.5 (medium)低约 4.5 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 medium 发布日期: 2026-07-08
分数 8.2 8.3
排名 #25 #23
可靠性 10.0 9.9
一致性 9.6 8.9
测试正确
尝试通过率 69.8% 77.8%
不稳定测试 1 3
总运行次数 63 63
每个结果成本 2.701 11.304
总成本 $0.379 $1.696
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 53,500
输出令牌 1,930 1,621
推理令牌 145,145 263,127
响应时间（平均） 15.49s 62.63s
响应时间（最大） 95.48s 436.38s
响应时间（总计） 325.39s 1315.20s

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

#23 xAI: Grok 4.5

medium
成本
$0.044
时间
59.4s
令牌
7,512 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 23.50s 2,991 147 4,018
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 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634
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 10.0 10.0 100.0% 0 15.65s 15,084 261 4,254
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 6.29s 8,937 225 3,657
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 2.9 7.2 11.1% 1 198.89s 2,212 11 121,922
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 6.5 3.4 66.7% 1 12.84s 1,077 71 2,384
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 6.06s 1,857 57 2,728
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 7.75s 2,430 254 3,641
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 6.57s 8,544 192 968
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 74.44s 789 13 14,921

快速对比

切换对比组合

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