AI BENCHY 对比
Google: Gemini 2.5 Flash vs OpenAI: GPT-5 Nano
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-01
| 指标 | Gemini 2.5 Flash Gemini 2.5 Flash none | GPT-5 Nano GPT-5 Nano medium |
|---|---|---|
| 分数 | 6.4 | 6.1 |
| 排名 | #95 | #100 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.6 | 7.1 |
| 测试正确 | ||
| 尝试通过率 | 48.3% | 55.0% |
| 不稳定测试 | 1 | 7 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.159 | 0.952 |
| 总成本 | $0.015 | $0.077 |
| 输入价格 | $0.300 / 1M | $0.050 / 1M |
| 输出价格 | $2.500 / 1M | $0.400 / 1M |
| 输出令牌 | 1,764 | 5,328 |
| 推理令牌 | 0 | 181,056 |
| 响应时间（平均） | 889ms | 43.52s |
| 响应时间（最大） | 4.39s | 204.02s |
| 响应时间（总计） | 17.79s | 565.82s |
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 | 3.0 | 10.0 | 0.0% | 0 | 582ms | 102 | 0 | |
| GPT-5 Nano | 6.5 | 7.9 | 58.3% | 1 | 25.50s | 1,221 | 21,184 |
| 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 | 6.8 | 10.0 | 50.0% | 0 | 810ms | 477 | 0 | |
| GPT-5 Nano | 5.4 | 6.6 | 33.3% | 1 | 47.80s | 604 | 30,144 |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 4.39s | 366 | 0 | |
| GPT-5 Nano | 10.0 | 10.0 | 100.0% | 0 | 65.96s | 578 | 17,984 |
| 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 | 652ms | 279 | 0 | |
| GPT-5 Nano | 3.7 | 1.7 | 50.0% | 2 | 21.42s | 453 | 10,560 |
| 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 | 495ms | 12 | 0 | |
| GPT-5 Nano | 5.2 | 4.4 | 55.6% | 2 | 204.02s | 237 | 64,448 |
| 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 | 5.0 | 10.0 | 0.0% | 0 | 615ms | 78 | 0 | |
| GPT-5 Nano | 4.1 | 10.0 | 0.0% | 0 | 17.51s | 202 | 4,608 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 590ms | 72 | 0 | |
| GPT-5 Nano | 9.8 | 10.0 | 100.0% | 0 | 15.64s | 312 | 4,736 |
| 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 | 604ms | 132 | 0 | |
| GPT-5 Nano | 5.3 | 7.2 | 44.4% | 1 | 20.63s | 929 | 14,272 |
| 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 | 1.91s | 234 | 0 | |
| GPT-5 Nano | 10.0 | 10.0 | 100.0% | 0 | 33.30s | 558 | 6,976 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 1.15s | 12 | 0 | |
| GPT-5 Nano | 3.0 | 10.0 | 0.0% | 0 | 20.13s | 234 | 6,144 |
快速对比
切换对比组合
DeepSeek V4 ProhighvsGemini 2.5 FlashnoneGPT-5 NanomediumvsMimo V2 OmninoneGemma 4 26B A4Bnone免费可用vsGPT-5 NanomediumDeepSeek V4 PrononevsGPT-5 NanomediumGemini 2.5 FlashnonevsMercury 2mediumGPT-5 NanomediumvsQwen3.5-FlashnoneGPT-5 NanomediumvsGLM 5noneGPT-5 NanomediumvsGLM 5V TurbononeSeed-2.0-LitenonevsGPT-5 NanomediumGemini 2.5 FlashnonevsQwen3.6 27BmediumDeepSeek V4 ProhighvsGPT-5 NanomediumGPT-5 NanomediumvsGLM 5.1none