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-5.6 Luna

摘要

Gemini 3.1 Flash Lite (minimal) vs GPT-5.6 Luna (low) benchmark 对比：GPT-5.6 Luna (low) 平均分领先，为 6.2 vs 6.1。 Gemini 3.1 Flash Lite (minimal) benchmark 成本更低，为 $0.013 vs $0.141。 Gemini 3.1 Flash Lite (minimal) 更快，为 1.33s vs 4.35s，通过率为 54.0% vs 57.1%。

推荐模型: Gemini 3.1 Flash Lite (minimal) - 它的得分接近这里的最高分（6.1 vs 6.2），同时成本比GPT-5.6 Luna (low)低约 10.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal 发布日期: 2026-05-08 GPT-5.6 Luna GPT-5.6 Luna low 发布日期: 2026-07-09
分数 6.1 6.2
排名 #109 #107
可靠性 10.0 10.0
一致性 8.8 8.5
测试正确
尝试通过率 54.0% 57.1%
不稳定测试 3 4
总运行次数 63 63
每个结果成本 0.130 1.404
总成本 $0.013 $0.141
输入价格 $0.250 / 1M $1.000 / 1M
输出价格 $1.500 / 1M $6.000 / 1M
总输入令牌 36,973 34,218
输出令牌 2,487 2,110
推理令牌 0 15,571
响应时间（平均） 1.33s 4.35s
响应时间（最大） 4.49s 18.06s
响应时间（总计） 27.91s 91.45s

生成展示

Hamster playing table tennis

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

#109 Gemini 3.1 Flash Lite

minimal
成本
$0.001
时间
3.7s
令牌
635 tok

#107 GPT-5.6 Luna

low
成本
$0.011
时间
10.2s
令牌
1,897 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-5.6 Luna 8.3 10.0 75.0% 0 2.21s 606 186 722
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-5.6 Luna 5.5 10.0 33.3% 0 4.61s 7,302 557 3,535
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-5.6 Luna 2.8 1.6 33.3% 1 7.99s 11,019 300 1,060
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-5.6 Luna 10.0 10.0 100.0% 0 2.14s 7,140 234 292
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-5.6 Luna 3.6 7.2 22.2% 1 10.05s 723 70 6,718
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-5.6 Luna 5.0 10.0 0.0% 0 2.25s 477 122 169
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-5.6 Luna 8.5 6.8 83.3% 1 2.04s 660 93 259
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-5.6 Luna 7.6 7.2 77.8% 1 3.59s 642 271 1,207
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-5.6 Luna 10.0 10.0 100.0% 0 4.43s 5,454 250 177
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-5.6 Luna 3.0 10.0 0.0% 0 4.86s 195 27 1,432

快速对比

切换对比组合

Seed-2.0-LitenonevsGPT-5.6 LunalowGemini 3.1 Flash LiteminimalvsQwen3.5-FlashnoneGemini 2.5 FlashnonevsGPT-5.6 LunalowSeed-2.0-LitenonevsGemini 3.1 Flash LiteminimalGemini 3.1 Flash LiteminimalvsNemotron 3 Ultra 550b A55bnone免费可用Gemini 3.1 Flash LitenonevsGPT-5.6 LunalowGPT-5.6 LunalowvsQwen3.5-FlashnoneGPT-5.6 LunalowvsQwen3.5-35B-A3BmediumGemma 4 31Bnone免费可用vsGPT-5.6 LunalowGemma 4 31Bmedium免费可用vsGPT-5.6 LunalowNemotron 3 Supermedium免费可用vsGPT-5.6 LunalowNemotron 3 Ultra 550b A55bnone免费可用vsGPT-5.6 Lunalow