AI BENCHY 对比

Google: Gemini 3.1 Flash Lite vs OpenAI: GPT-5.4

摘要

Gemini 3.1 Flash Lite vs GPT-5.4 benchmark 对比：Gemini 3.1 Flash Lite 平均分领先，为 6.4 vs 5.8。 Gemini 3.1 Flash Lite benchmark 成本更低，为 $0.028 vs $0.122。 GPT-5.4 更快，为 1.42s vs 1.89s，通过率为 61.9% vs 36.5%。

推荐模型: Gemini 3.1 Flash Lite - 它在这里得分最高（6.4），同时成本比GPT-5.4低约 4.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite low 发布日期: 2026-05-08	GPT-5.4 GPT-5.4 none 发布日期: 2026-03-05

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite low 发布日期: 2026-05-08	GPT-5.4 GPT-5.4 none 发布日期: 2026-03-05
分数	6.4	5.8
排名	#83	#116
可靠性	10.0	10.0
一致性	9.3	9.2
测试正确
尝试通过率	61.9%	36.5%
不稳定测试	2	2
总运行次数	63	63
每个结果成本	0.227	1.740
总成本	$0.028	$0.122
输入价格	$0.250 / 1M	$2.500 / 1M
输出价格	$1.500 / 1M	$15.000 / 1M
总输入令牌	36,892	34,212
输出令牌	2,732	2,417
推理令牌	9,260	0
响应时间（平均）	1.89s	1.42s
响应时间（最大）	5.66s	2.95s
响应时间（总计）	39.62s	29.87s

Generation showcase

Hamster playing table tennis

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

#83 Gemini 3.1 Flash Lite

low

Cost: $0.003
Time: 4.0s
Tokens: 1,479 tok

#116 GPT-5.4

none

Cost: $0.026
Time: 18.1s
Tokens: 1,792 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-5.4	3.2	8.0	8.3%	1		1.21s	606	406	0

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-5.4	5.5	10.0	33.3%	0		1.62s	7,305	516	0

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-5.4	3.0	10.0	0.0%	0		2.89s	11,019	291	0

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-5.4	10.0	10.0	100.0%	0		1.04s	7,140	222	0

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-5.4	5.3	7.2	44.4%	1		1.07s	723	50	0

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-5.4	4.4	9.9	0.0%	0		1.78s	477	184	0

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-5.4	6.5	10.0	50.0%	0		1.07s	660	81	0

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-5.4	5.6	9.8	33.3%	0		1.44s	642	381	0

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-5.4	10.0	10.0	100.0%	0		2.75s	5,445	246	0

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-5.4	3.0	10.0	0.0%	0		990ms	195	40	0

快速对比

切换对比组合