导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Google: Gemini 3.1 Flash Lite vs OpenAI: gpt-oss-120b

摘要

Gemini 3.1 Flash Lite vs gpt-oss-120b benchmark 对比：gpt-oss-120b 平均分领先，为 6.7 vs 6.4。 gpt-oss-120b benchmark 成本更低，为 $0.013 vs $0.028。 Gemini 3.1 Flash Lite 更快，为 1.89s vs 22.28s，通过率为 61.9% vs 52.4%。

推荐模型: Gemini 3.1 Flash Lite - 它的得分接近这里的最高分（6.4 vs 6.7），同时响应速度比gpt-oss-120b快约 11.8 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-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用
分数 6.4 6.7
排名 #83 #78
可靠性 10.0 10.0
一致性 9.3 8.0
测试正确
尝试通过率 61.9% 52.4%
不稳定测试 2 5
总运行次数 63 63
每个结果成本 0.227 0.141
总成本 $0.028 $0.013
输入价格 $0.250 / 1M $0.039 / 1M
输出价格 $1.500 / 1M $0.180 / 1M
总输入令牌 36,892 39,084
输出令牌 2,732 20,013
推理令牌 9,260 50,233
响应时间（平均） 1.89s 22.28s
响应时间（最大） 5.66s 68.16s
响应时间（总计） 39.62s 311.96s

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

#78 gpt-oss-120b

medium
Cost
$0.001
Time
26.7s
Tokens
555 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-oss-120b 6.7 9.9 50.0% 0 10.21s 1,314 3,518 2,177
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-oss-120b 5.9 7.0 55.6% 1 38.37s 7,782 3,365 11,973
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-oss-120b 10.0 10.0 100.0% 0 31.18s 11,535 694 5,072
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-oss-120b 6.4 5.9 66.7% 1 1.98s 7,476 241 1,114
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-oss-120b 2.9 4.4 22.2% 2 50.92s 1,266 6,784 20,606
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-oss-120b 4.3 10.0 0.0% 0 7.90s 659 107 387
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-oss-120b 9.9 10.0 100.0% 0 7.63s 1,036 126 1,799
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-oss-120b 5.3 7.2 44.4% 1 21.71s 1,190 1,790 2,264
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-oss-120b 9.8 10.0 100.0% 0 6.91s 6,514 287 1,083
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-oss-120b 3.0 10.0 0.0% 0 26.51s 312 3,101 3,758

快速对比

切换对比组合

Gemini 3.1 Flash LitelowvsNemotron 3 Supermedium免费可用Gemini 3.5 Flashminimalvsgpt-oss-120bmedium免费可用Gemini 3.1 Flash LitelowvsQwen3.5-35B-A3BmediumGemini 3.1 Flash LitelowvsQwen3.6 27BmediumGemini 3.1 Flash LitelowvsGPT-5.5nonegpt-oss-120bmedium免费可用vsQwen3.7 MaxnoneDeepSeek V4 ProhighvsGemini 3.1 Flash LitelowDeepSeek V4 PrononevsGemini 3.1 Flash LitelowGemini 3.1 Flash Lite Previewlowvsgpt-oss-120bmedium免费可用Gemini 3 Flash Previewnonevsgpt-oss-120bmedium免费可用Gemini 3.1 Flash LitelowvsGPT-5 NanomediumSeed-2.0-LitenonevsGemini 3.1 Flash Litelow