AI BENCHY 对比
Google: Gemini 3.1 Flash Lite vs Owl Alpha
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-08
| 指标 | Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite low | Owl Alpha Owl Alpha medium |
|---|---|---|
| 分数 | 7.6 | 6.0 |
| 排名 | #44 | #88 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 68.4% | 43.9% |
| 不稳定测试 | 2 | 1 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.203 | 0.000 |
| 总成本 | $0.025 | $0.000 |
| ???? | $0.250 / 1M | $0.000 / 1M |
| ???? | $1.500 / 1M | $0.000 / 1M |
| 输出令牌 | 2,702 | 1,613 |
| 推理令牌 | 8,596 | 0 |
| 响应时间（平均） | 1.92s | 10.58s |
| 响应时间（最大） | 5.66s | 58.63s |
| 响应时间（总计） | 36.49s | 201.03s |
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 | 7.3 | 6.2 | 75.0% | 2 | 1.84s | 1,013 | 1,548 | |
| Owl Alpha | 4.8 | 10.0 | 25.0% | 0 | 3.97s | 87 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 1.46s | 441 | 408 | |
| Owl Alpha | 10.0 | 10.0 | 100.0% | 0 | 7.35s | 402 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 3.0 | 10.0 | 0.0% | 0 | 4.48s | 348 | 975 | |
| Owl Alpha | 3.0 | 10.0 | 0.0% | 0 | 10.01s | 315 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 1.44s | 291 | 697 | |
| Owl Alpha | 10.0 | 10.0 | 100.0% | 0 | 21.64s | 246 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 5.3 | 10.0 | 33.3% | 0 | 1.52s | 15 | 1,214 | |
| Owl Alpha | 5.3 | 10.0 | 33.3% | 0 | 8.58s | 28 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 4.0 | 10.0 | 0.0% | 0 | 1.37s | 69 | 438 | |
| Owl Alpha | 4.3 | 10.0 | 0.0% | 0 | 58.63s | 98 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 1.52s | 72 | 760 | |
| Owl Alpha | 6.3 | 10.0 | 50.0% | 0 | 9.59s | 57 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 1.40s | 210 | 1,191 | |
| Owl Alpha | 5.3 | 7.2 | 44.4% | 1 | 3.44s | 135 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 5.66s | 234 | 945 | |
| Owl Alpha | 10.0 | 10.0 | 100.0% | 0 | 8.26s | 228 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 3.0 | 10.0 | 0.0% | 0 | 1.46s | 9 | 420 | |
| Owl Alpha | 3.0 | 10.0 | 0.0% | 0 | 2.38s | 17 | 0 |
快速对比
切换对比组合
Owl AlphamediumvsQwen3.5-FlashnoneGemini 3.1 Flash LitelowvsStep 3.5 FlashmediumGemini 3.1 Flash LitelowvsQwen3.5-FlashmediumOwl AlphamediumvsGLM 5V TurbononeGemini 3.1 Flash LitelowvsKimi K2.6mediumSeed-2.0-LitenonevsOwl AlphamediumGemini 3.1 Flash LitelowvsGPT-5.3 ChatnoneGemini 3.1 Flash LitelowvsGPT-5.2 ChatnoneGemini 3.1 Flash LitelowvsGLM 5.1mediumDeepSeek V4 FlashhighvsGemini 3.1 Flash LitelowOwl AlphamediumvsQwen3.5 Plus 2026-04-20noneOwl AlphamediumvsQwen3.5-35B-A3Bnone