AI BENCHY 对比

Google: Gemini 3.1 Flash Lite vs OpenAI: GPT-5.3-Codex

摘要

Gemini 3.1 Flash Lite vs GPT-5.3-Codex benchmark 对比：GPT-5.3-Codex 平均分领先，为 8.9 vs 6.4。 Gemini 3.1 Flash Lite benchmark 成本更低，为 $0.028 vs $0.740。 Gemini 3.1 Flash Lite 更快，为 1.89s vs 16.22s，通过率为 61.9% vs 82.5%。

推荐模型: Gemini 3.1 Flash Lite - 它提供了最佳整体取舍：得分有竞争力（6.4），成本低于GPT-5.3-Codex，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite low 发布日期: 2026-05-08	GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite low 发布日期: 2026-05-08	GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05
分数	6.4	8.9
排名	#85	#10
可靠性	10.0	10.0
一致性	9.3	8.5
测试正确
尝试通过率	61.9%	82.5%
不稳定测试	2	4
总运行次数	63	63
每个结果成本	0.227	4.932
总成本	$0.028	$0.740
输入价格	$0.250 / 1M	$1.750 / 1M
输出价格	$1.500 / 1M	$14.000 / 1M
总输入令牌	36,892	34,299
输出令牌	2,732	2,357
推理令牌	9,260	46,189
响应时间（平均）	1.89s	16.22s
响应时间（最大）	5.66s	100.93s
响应时间（总计）	39.62s	340.67s

生成展示

Hamster playing table tennis

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

#85 Gemini 3.1 Flash Lite

low

成本: $0.003
时间: 4.0s
令牌: 1,479 tok

#10 GPT-5.3-Codex

medium

成本: $0.049
时间: 54.9s
令牌: 3,580 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 3.1 Flash Lite	7.3	6.2	75.0%	2		1.84s	500	1,013	1,548
GPT-5.3-Codex	8.7	7.9	91.7%	1		4.16s	606	240	1,722

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 3.1 Flash Lite	5.5	10.0	33.3%	0		1.53s	8,132	471	1,072
GPT-5.3-Codex	10.0	10.0	100.0%	0		19.50s	7,302	535	10,890

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 3.1 Flash Lite	3.0	10.0	0.0%	0		4.48s	12,870	348	975
GPT-5.3-Codex	10.0	10.0	100.0%	0		19.56s	11,019	364	2,731

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 3.1 Flash Lite	10.0	10.0	100.0%	0		1.44s	7,453	291	697
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.07s	7,140	234	728

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 3.1 Flash Lite	5.3	10.0	33.3%	0		1.52s	639	15	1,214
GPT-5.3-Codex	5.9	7.2	55.6%	1		64.31s	813	64	25,308

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 3.1 Flash Lite	4.0	10.0	0.0%	0		1.37s	492	69	438
GPT-5.3-Codex	4.6	10.0	0.0%	0		4.87s	477	187	331

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 3.1 Flash Lite	10.0	10.0	100.0%	0		1.52s	619	72	760
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.04s	660	93	693

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 3.1 Flash Lite	10.0	10.0	100.0%	0		1.40s	570	210	1,191
GPT-5.3-Codex	9.0	7.9	88.9%	1		5.05s	642	356	1,593

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 3.1 Flash Lite	10.0	10.0	100.0%	0		5.66s	5,457	234	945
GPT-5.3-Codex	10.0	10.0	100.0%	0		6.37s	5,445	254	492

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 3.1 Flash Lite	3.0	10.0	0.0%	0		1.46s	160	9	420
GPT-5.3-Codex	2.8	1.6	33.3%	1		14.43s	195	30	1,701

快速对比

切换对比组合