AI BENCHY 对比

Google: Gemini 3.1 Flash Lite vs OpenAI: GPT-4o-mini

摘要

Gemini 3.1 Flash Lite vs GPT-4o-mini benchmark 对比：Gemini 3.1 Flash Lite 平均分领先，为 6.1 vs 5.0。 GPT-4o-mini benchmark 成本更低，为 $0.006 vs $0.013。 Gemini 3.1 Flash Lite 更快，为 1.33s vs 1.77s，通过率为 54.0% vs 23.8%。

推荐模型: Gemini 3.1 Flash Lite - 它在本次比较中得分最高（6.1），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal 发布日期: 2026-05-08	GPT-4o-mini GPT-4o-mini none 发布日期: 2024-07-18

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal 发布日期: 2026-05-08	GPT-4o-mini GPT-4o-mini none 发布日期: 2024-07-18
分数	6.1	5.0
排名	#97	#144
可靠性	10.0	10.0
一致性	8.8	9.9
测试正确
尝试通过率	54.0%	23.8%
不稳定测试	3	0
总运行次数	63	63
每个结果成本	0.130	0.119
总成本	$0.013	$0.006
输入价格	$0.250 / 1M	$0.150 / 1M
输出价格	$1.500 / 1M	$0.600 / 1M
总输入令牌	36,973	31,518
输出令牌	2,487	1,982
推理令牌	0	0
响应时间（平均）	1.33s	1.77s
响应时间（最大）	4.49s	7.58s
响应时间（总计）	27.91s	24.80s

生成展示

Hamster playing table tennis

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

#97 Gemini 3.1 Flash Lite

minimal

成本: $0.001
时间: 3.7s
令牌: 635 tok

#144 GPT-4o-mini

none

成本: $0.001
时间: 6.6s
令牌: 742 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	8.3	10.0	75.0%	0		1.10s	500	639	0
GPT-4o-mini	4.8	10.0	25.0%	0		1.34s	618	186	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		831ms	8,126	666	0
GPT-4o-mini	3.2	9.6	0.0%	0		1.63s	7,314	367	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		2.53s	12,870	357	0
GPT-4o-mini	3.0	10.0	0.0%	0		7.58s	8,298	568	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		1.04s	7,552	279	0
GPT-4o-mini	10.0	10.0	100.0%	0		1.27s	7,161	183	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	2.9	7.2	11.1%	1		1.02s	641	15	0
GPT-4o-mini	3.0	10.0	0.0%	0		637ms	732	15	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		791ms	490	63	0
GPT-4o-mini	4.0	10.0	0.0%	0		909ms	480	66	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		932ms	615	72	0
GPT-4o-mini	6.3	10.0	50.0%	0		1.11s	666	69	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	6.0	4.6	66.7%	2		2.15s	564	153	0
GPT-4o-mini	3.5	10.0	0.0%	0		1.21s	651	308	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		3.51s	5,457	234	0
GPT-4o-mini	10.0	10.0	100.0%	0		2.51s	5,400	205	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		724ms	158	9	0
GPT-4o-mini	3.0	10.0	0.0%	0		794ms	198	15	0

快速对比

切换对比组合