AI BENCHY 对比

Google: Gemini 3.1 Flash Lite vs OpenAI: GPT-5.6 Sol

摘要

Gemini 3.1 Flash Lite (minimal) vs GPT-5.6 Sol benchmark 对比：GPT-5.6 Sol 平均分领先，为 6.3 vs 6.1。 Gemini 3.1 Flash Lite (minimal) benchmark 成本更低，为 $0.013 vs $0.225。 Gemini 3.1 Flash Lite (minimal) 更快，为 1.33s vs 1.66s，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 6.3），同时成本比GPT-5.6 Sol低约 17.3 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 Sol GPT-5.6 Sol none 发布日期: 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 Sol GPT-5.6 Sol none 发布日期: 2026-07-09
分数	6.1	6.3
排名	#109	#101
可靠性	10.0	10.0
一致性	8.8	9.0
测试正确
尝试通过率	54.0%	57.1%
不稳定测试	3	3
总运行次数	63	63
每个结果成本	0.130	2.244
总成本	$0.013	$0.225
输入价格	$0.250 / 1M	$5.000 / 1M
输出价格	$1.500 / 1M	$30.000 / 1M
总输入令牌	36,973	34,218
输出令牌	2,487	1,776
推理令牌	0	0
响应时间（平均）	1.33s	1.66s
响应时间（最大）	4.49s	3.93s
响应时间（总计）	27.91s	34.81s

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

#101 GPT-5.6 Sol

none

成本: $0.116
时间: 78.7s
令牌: 3,944 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 Sol	8.3	10.0	75.0%	0		1.27s	606	154	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-5.6 Sol	5.5	10.0	33.3%	0		1.39s	7,302	390	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-5.6 Sol	3.0	10.0	0.0%	0		3.93s	11,019	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 Sol	10.0	10.0	100.0%	0		1.53s	7,140	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 Sol	3.6	7.2	22.2%	1		1.43s	723	54	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-5.6 Sol	6.5	3.4	66.7%	1		1.52s	477	91	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-5.6 Sol	8.5	6.8	83.3%	1		1.33s	660	84	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-5.6 Sol	7.7	10.0	66.7%	0		1.49s	642	211	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-5.6 Sol	10.0	10.0	100.0%	0		3.70s	5,454	246	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-5.6 Sol	3.0	10.0	0.0%	0		1.95s	195	24	0

快速对比

切换对比组合