AI BENCHY 对比

Google: Gemini 3.1 Flash Lite vs OpenAI: GPT-5.4 Nano

摘要

Gemini 3.1 Flash Lite vs GPT-5.4 Nano benchmark 对比：Gemini 3.1 Flash Lite 平均分领先，为 6.1 vs 4.8。 GPT-5.4 Nano benchmark 成本更低，为 $0.011 vs $0.013。 Gemini 3.1 Flash Lite 更快，为 1.33s vs 1.48s，通过率为 54.0% vs 30.2%。

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：: 2026-06-12

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal 发布日期: 2026-05-08	GPT-5.4 Nano GPT-5.4 Nano none 发布日期: 2026-03-17

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal 发布日期: 2026-05-08	GPT-5.4 Nano GPT-5.4 Nano none 发布日期: 2026-03-17
分数	6.1	4.8
排名	#95	#149
可靠性	10.0	10.0
一致性	8.8	8.2
测试正确
尝试通过率	54.0%	30.2%
不稳定测试	3	5
总运行次数	63	63
每个结果成本	0.130	0.259
总成本	$0.013	$0.011
输入价格	$0.250 / 1M	$0.200 / 1M
输出价格	$1.500 / 1M	$1.250 / 1M
总输入令牌	36,973	34,212
输出令牌	2,487	2,784
推理令牌	0	0
响应时间（平均）	1.33s	1.48s
响应时间（最大）	4.49s	4.47s
响应时间（总计）	27.91s	31.01s

Generation showcase

Hamster playing table tennis

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

#95 Gemini 3.1 Flash Lite

minimal

Cost: $0.001
Time: 3.7s
Tokens: 635 tok

#149 GPT-5.4 Nano

none

Cost: $0.008
Time: 46.1s
Tokens: 5,735 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-5.4 Nano	3.5	8.0	16.7%	1		1.18s	606	800	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-5.4 Nano	4.6	7.9	22.2%	1		2.22s	7,305	613	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-5.4 Nano	3.0	10.0	0.0%	0		3.84s	11,019	280	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-5.4 Nano	6.5	10.0	50.0%	0		1.11s	7,140	219	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-5.4 Nano	2.9	4.4	22.2%	2		926ms	723	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-5.4 Nano	3.8	2.5	33.3%	1		1.31s	477	180	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-5.4 Nano	6.3	10.0	50.0%	0		784ms	660	89	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-5.4 Nano	5.4	10.0	33.3%	0		1.25s	642	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-5.4 Nano	10.0	10.0	100.0%	0		3.40s	5,445	222	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-5.4 Nano	3.0	10.0	0.0%	0		773ms	195	21	0

快速对比

切换对比组合