AI BENCHY 对比
Google: Gemini 3.1 Flash Lite vs OpenAI: GPT-5.5
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 medium | GPT-5.5 GPT-5.5 none |
|---|---|---|
| 分数 | 7.9 | 6.7 |
| 排名 | #27 | #72 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.1 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 71.9% | 59.7% |
| 不稳定测试 | 2 | 3 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.452 | 1.961 |
| 总成本 | $0.059 | $0.197 |
| ???? | $0.250 / 1M | $5.000 / 1M |
| ???? | $1.500 / 1M | $30.000 / 1M |
| 输出令牌 | 2,224 | 1,928 |
| 推理令牌 | 32,034 | 0 |
| 响应时间（平均） | 3.14s | 1.99s |
| 响应时间（最大） | 10.87s | 5.56s |
| 响应时间（总计） | 59.62s | 37.87s |
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 | 9.1 | 10.0 | 75.0% | 0 | 2.39s | 604 | 4,201 | |
| GPT-5.5 | 6.9 | 7.9 | 66.7% | 1 | 1.31s | 213 | 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 | 3.26s | 429 | 2,712 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 2.05s | 426 | 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 | 10.0 | 10.0 | 100.0% | 0 | 10.87s | 327 | 7,401 | |
| GPT-5.5 | 3.0 | 10.0 | 0.0% | 0 | 5.56s | 300 | 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 | 2.60s | 279 | 2,845 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 1.18s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 2.9 | 7.2 | 11.1% | 1 | 3.16s | 15 | 5,165 | |
| GPT-5.5 | 2.9 | 7.2 | 11.1% | 1 | 1.31s | 52 | 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 | 10.0 | 10.0 | 100.0% | 0 | 2.60s | 84 | 1,142 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.41s | 124 | 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 | 9.9 | 10.0 | 100.0% | 0 | 2.59s | 75 | 3,320 | |
| GPT-5.5 | 6.2 | 5.8 | 66.7% | 1 | 1.15s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 7.6 | 7.2 | 77.8% | 1 | 1.95s | 165 | 2,450 | |
| GPT-5.5 | 7.7 | 10.0 | 66.7% | 0 | 1.36s | 245 | 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 | 4.55s | 234 | 921 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.90s | 247 | 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 | 3.08s | 12 | 1,877 | |
| GPT-5.5 | 3.0 | 10.0 | 0.0% | 0 | 5.01s | 18 | 0 |
快速对比
切换对比组合
GPT-5.5nonevsQwen3.6 27BmediumKimi K2.5mediumvsGPT-5.5noneGemini 3.1 Flash LiteminimalvsGPT-5.5noneGPT-5.5nonevsGrok 4.20mediumDeepSeek V4 ProhighvsGPT-5.5noneGPT-5.5nonevsGrok 4.1 FastmediumGemini 3.1 Flash LitemediumvsGPT-5.2 ChatnoneGemini 3.1 Flash LitemediumvsGPT-5.3 ChatnoneDeepSeek V4 FlashhighvsGemini 3.1 Flash LitemediumMercury 2mediumvsGPT-5.5noneGPT-5.5nonevsMiMo-V2-OmnimediumDeepSeek V3.2mediumvsGPT-5.5none