AI BENCHY 对比

Google: Gemini 3.1 Flash Lite vs OpenAI: gpt-oss-120b

摘要

Gemini 3.1 Flash Lite vs gpt-oss-120b benchmark 对比：Gemini 3.1 Flash Lite 平均分领先，为 6.4 vs 5.4。 gpt-oss-120b benchmark 成本更低，为 $0.010 vs $0.013。 Gemini 3.1 Flash Lite 更快，为 1.33s vs 21.61s，通过率为 54.0% vs 38.6%。

推荐模型: Gemini 3.1 Flash Lite - 它在这里得分最高（6.4），同时响应速度比gpt-oss-120b快约 16.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal 发布日期: 2026-05-08	gpt-oss-120b gpt-oss-120b none 发布日期: 2025-08-05 免费可用

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal 发布日期: 2026-05-08	gpt-oss-120b gpt-oss-120b none 发布日期: 2025-08-05 免费可用
分数	6.4	5.4
排名	#88	#127
可靠性	10.0	10.0
一致性	8.8	9.1
测试正确
尝试通过率	54.0%	38.6%
不稳定测试	3	2
总运行次数	63	57
每个结果成本	0.130	0.168
总成本	$0.013	$0.010
输入价格	$0.250 / 1M	$0.039 / 1M
输出价格	$1.500 / 1M	$0.180 / 1M
总输入令牌	36,973	9,081
输出令牌	2,487	51,664
推理令牌	0	0
响应时间（平均）	1.33s	21.61s
响应时间（最大）	4.49s	113.71s
响应时间（总计）	27.91s	345.79s

Generation showcase

Hamster playing table tennis

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

#88 Gemini 3.1 Flash Lite

minimal

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

#127 gpt-oss-120b

none

No showcase result has been generated for this model yet.

Cost: $0.000
Time: -
Tokens: 0 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-oss-120b	6.5	10.0	50.0%	0		32.84s	1,336	8,676	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-oss-120b	4.3	1.1	66.7%	1		9.57s	901	3,232	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-oss-120b	3.0	10.0	0.0%	0		0ms	0	0	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-oss-120b	6.5	10.0	50.0%	0		7.12s	2,421	598	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-oss-120b	3.0	10.0	0.0%	0		34.98s	1,294	29,483	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-oss-120b	4.8	10.0	0.0%	0		10.79s	584	615	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-oss-120b	9.8	10.0	100.0%	0		5.06s	1,043	1,940	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-oss-120b	6.0	7.2	55.6%	1		8.21s	1,188	3,982	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-oss-120b	3.0	10.0	0.0%	0		0ms	0	0	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-oss-120b	3.0	10.0	0.0%	0		47.29s	314	3,138	0

快速对比

切换对比组合