AI BENCHY 对比
Google: Gemini 3.1 Flash Lite vs xAI: Grok 4.3
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-29
| 指标 | Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite high | Grok 4.3 Grok 4.3 medium |
|---|---|---|
| 分数 | 7.6 | 7.8 |
| 排名 | #49 | #36 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.1 | 8.4 |
| 测试正确 | ||
| 尝试通过率 | 74.1% | 75.0% |
| 不稳定测试 | 4 | 4 |
| 总运行次数 | 54 | 60 |
| 每个结果成本 | 18.579 | 4.557 |
| 总成本 | $2.044 | $0.593 |
| 输入价格 | $0.250 / 1M | $1.250 / 1M |
| 输出价格 | $1.500 / 1M | $2.500 / 1M |
| 输出令牌 | 1,984 | 1,485 |
| 推理令牌 | 1,355,583 | 214,710 |
| 响应时间（平均） | 61.96s | 49.23s |
| 响应时间（最大） | 149.23s | 216.69s |
| 响应时间（总计） | 1115.31s | 984.52s |
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 | 10.0 | 10.0 | 100.0% | 0 | 37.16s | 100 | 130,598 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 8.83s | 88 | 8,207 |
| 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 | |
| Grok 4.3 | 7.4 | 6.5 | 66.7% | 1 | 55.26s | 532 | 24,554 |
| 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 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 63.99s | 234 | 15,301 |
| 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 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 18.97s | 180 | 9,546 |
| 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 | |
| Grok 4.3 | 5.3 | 7.2 | 44.4% | 1 | 181.74s | 14 | 111,300 |
| 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 | |
| Grok 4.3 | 5.4 | 2.5 | 66.7% | 1 | 24.70s | 70 | 5,020 |
| 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 | |
| Grok 4.3 | 9.8 | 10.0 | 100.0% | 0 | 18.58s | 57 | 8,713 |
| 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 | |
| Grok 4.3 | 5.9 | 7.2 | 55.6% | 1 | 22.52s | 128 | 14,468 |
| 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 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 17.66s | 168 | 4,615 |
| 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 | - | - | - | - | - | - | - | - |
| Grok 4.3 | 3.0 | 10.0 | 0.0% | 0 | 44.47s | 14 | 12,986 |
快速对比
切换对比组合
GPT-5.2 ChatnonevsGrok 4.3mediumQwen3.7 MaxnonevsGrok 4.3mediumGemini 3 Flash PreviewnonevsGrok 4.3mediumDeepSeek V4 Flashhigh免费可用vsGrok 4.3mediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.3mediumGemini 3.5 FlashminimalvsGrok 4.3mediumGemini 3.1 Flash Lite PreviewnonevsGrok 4.3mediumGemini 3.1 Flash LitelowvsGrok 4.3mediumGPT-5.3 ChatnonevsGrok 4.3mediumStep 3.7 FlashlowvsGrok 4.3mediumClaude Opus 4.8nonevsGrok 4.3mediumRing-2.6-1TnonevsGrok 4.3medium