AI BENCHY 对比

Google: Gemini 3.1 Flash Lite vs OpenAI: GPT-5.6 Terra

摘要

Gemini 3.1 Flash Lite (low) vs GPT-5.6 Terra benchmark 对比：Gemini 3.1 Flash Lite (low) 平均分领先，为 6.4 vs 6.0。 Gemini 3.1 Flash Lite (low) benchmark 成本更低，为 $0.028 vs $0.130。 GPT-5.6 Terra 更快，为 1.25s vs 1.89s，通过率为 61.9% vs 42.9%。

推荐模型: Gemini 3.1 Flash Lite (low) - 它在这里得分最高（6.4），同时成本比GPT-5.6 Terra低约 4.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite low 发布日期: 2026-05-08	GPT-5.6 Terra GPT-5.6 Terra none 发布日期: 2026-07-09

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite low 发布日期: 2026-05-08	GPT-5.6 Terra GPT-5.6 Terra none 发布日期: 2026-07-09
分数	6.4	6.0
排名	#98	#116
可靠性	10.0	10.0
一致性	9.3	9.3
测试正确
尝试通过率	61.9%	42.9%
不稳定测试	2	2
总运行次数	63	63
每个结果成本	0.227	1.623
总成本	$0.028	$0.130
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	39,552
输出令牌	2,732	2,060
推理令牌	9,260	0
响应时间（平均）	1.89s	1.25s
响应时间（最大）	5.66s	3.97s
响应时间（总计）	39.62s	26.21s

生成展示

Hamster playing table tennis

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

#98 Gemini 3.1 Flash Lite

low

成本: $0.003
时间: 4.0s
令牌: 1,479 tok

#116 GPT-5.6 Terra

none

成本: $0.030
时间: 14.7s
令牌: 2,082 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-5.6 Terra	4.8	10.0	25.0%	0		942ms	606	191	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-5.6 Terra	5.5	10.0	33.3%	0		1.00s	7,302	336	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-5.6 Terra	3.0	10.0	0.0%	0		3.97s	14,961	437	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-5.6 Terra	10.0	10.0	100.0%	0		1.13s	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-5.6 Terra	5.3	7.2	44.4%	1		757ms	723	68	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-5.6 Terra	5.0	10.0	0.0%	0		1.03s	477	102	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-5.6 Terra	8.5	6.8	83.3%	1		1.15s	660	101	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-5.6 Terra	5.3	10.0	33.3%	0		1.23s	642	235	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-5.6 Terra	9.6	10.0	100.0%	0		3.10s	6,846	344	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-5.6 Terra	3.0	10.0	0.0%	0		787ms	195	24	0

快速对比

切换对比组合