AI BENCHY 对比
Google: Gemini 3.1 Flash Lite vs OpenAI: GPT-5.2
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite high | GPT-5.2 GPT-5.2 medium |
|---|---|---|
| 分数 | 7.5 | 7.4 |
| 排名 | #48 | #57 |
| 可靠性 | 9.8 | 10.0 |
| 一致性 | 8.1 | 8.3 |
| 测试正确 | ||
| 尝试通过率 | 74.1% | 70.0% |
| 不稳定测试 | 4 | 4 |
| 总运行次数 | 54 | 60 |
| 每个结果成本 | 18.579 | 4.081 |
| 总成本 | $2.044 | $0.490 |
| ???? | $0.250 / 1M | $1.750 / 1M |
| ???? | $1.500 / 1M | $14.000 / 1M |
| 输出令牌 | 1,984 | 2,754 |
| 推理令牌 | 1,355,583 | 28,303 |
| 响应时间（平均） | 61.96s | 16.44s |
| 响应时间（最大） | 149.23s | 77.80s |
| 响应时间（总计） | 1115.31s | 213.77s |
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 3.1 Flash Lite | 9.4 | 10.0 | 100.0% | 0 | 37.16s | 100 | 130,598 | |
| GPT-5.2 | 6.5 | 8.0 | 58.3% | 1 | 7.81s | 567 | 2,002 |
| 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 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 137.63s | 666 | 188,733 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 23.15s | 490 | 8,269 |
| 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 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 149.23s | 327 | 198,243 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 14.06s | 291 | 1,757 |
| 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 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 4.49s | 279 | 7,351 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 3.15s | 234 | 420 |
| 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 3.1 Flash Lite | 3.6 | 7.2 | 22.2% | 1 | 139.90s | 18 | 566,210 | |
| GPT-5.2 | 5.9 | 7.2 | 55.6% | 1 | 77.80s | 42 | 10,342 |
| 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 3.1 Flash Lite | 5.0 | 2.1 | 66.7% | 1 | 45.69s | 95 | 64,644 | |
| GPT-5.2 | 3.7 | 9.7 | 0.0% | 0 | 4.32s | 162 | 269 |
| 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 3.1 Flash Lite | 7.3 | 5.8 | 83.3% | 1 | 23.26s | 52 | 3,549 | |
| GPT-5.2 | 9.9 | 10.0 | 100.0% | 0 | 3.12s | 94 | 614 |
| 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 3.1 Flash Lite | 5.7 | 6.8 | 44.4% | 1 | 50.83s | 213 | 193,654 | |
| GPT-5.2 | 7.6 | 7.3 | 77.8% | 1 | 5.47s | 609 | 938 |
| 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 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 6.44s | 234 | 2,601 | |
| GPT-5.2 | 4.7 | 1.6 | 66.7% | 1 | 10.30s | 239 | 469 |
| 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 3.1 Flash Lite | - | - | - | - | - | - | - | - |
| GPT-5.2 | 3.0 | 10.0 | 0.0% | 0 | 28.18s | 26 | 3,223 |
快速对比
切换对比组合
DeepSeek V4 Flashhigh免费可用vsGPT-5.2mediumGemini 3.1 Flash LitelowvsGPT-5.2mediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.2mediumRing-2.6-1TnonevsGPT-5.2mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.2mediumGemini 3 Flash PreviewnonevsGPT-5.2mediumGPT-5.2mediumvsQwen3.6 Max PreviewnoneClaude Sonnet 4.6nonevsGPT-5.2mediumGPT-5.2mediumvsQwen3.7 MaxnoneGemini 3.5 FlashminimalvsGPT-5.2mediumGemma 4 31Bnone免费可用vsGPT-5.2mediumGemini 3.1 Flash LiteminimalvsGPT-5.2medium