AI BENCHY 对比
Google: Gemini 3.1 Flash Lite vs OpenAI: GPT-5.2
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-08
| 指标 | Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite none | GPT-5.2 GPT-5.2 medium |
|---|---|---|
| 分数 | 6.7 | 7.2 |
| 排名 | #73 | #58 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.4 | 8.2 |
| 测试正确 | ||
| 尝试通过率 | 57.9% | 68.4% |
| 不稳定测试 | 4 | 4 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.123 | 3.609 |
| 总成本 | $0.012 | $0.397 |
| ???? | $0.250 / 1M | $1.750 / 1M |
| ???? | $1.500 / 1M | $14.000 / 1M |
| 输出令牌 | 2,454 | 2,731 |
| 推理令牌 | 0 | 22,200 |
| 响应时间（平均） | 1.11s | 15.22s |
| 响应时间（最大） | 2.97s | 77.80s |
| 响应时间（总计） | 21.13s | 182.59s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 7.5 | 8.4 | 66.7% | 1 | 1.07s | 639 | 0 | |
| GPT-5.2 | 6.5 | 8.0 | 58.3% | 1 | 7.81s | 567 | 2,002 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 1.59s | 636 | 0 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 15.12s | 467 | 2,166 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 3.0 | 10.0 | 0.0% | 0 | 2.73s | 357 | 0 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 14.06s | 291 | 1,757 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 843ms | 279 | 0 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 3.15s | 234 | 420 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 2.9 | 7.2 | 11.1% | 1 | 762ms | 15 | 0 | |
| GPT-5.2 | 5.9 | 7.2 | 55.6% | 1 | 77.80s | 42 | 10,342 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 4.0 | 10.0 | 0.0% | 0 | 992ms | 63 | 0 | |
| GPT-5.2 | 3.7 | 9.7 | 0.0% | 0 | 4.32s | 162 | 269 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 859ms | 72 | 0 | |
| GPT-5.2 | 9.9 | 10.0 | 100.0% | 0 | 3.12s | 94 | 614 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 6.3 | 4.8 | 66.7% | 2 | 720ms | 150 | 0 | |
| GPT-5.2 | 7.6 | 7.3 | 77.8% | 1 | 5.47s | 609 | 938 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 2.97s | 234 | 0 | |
| GPT-5.2 | 4.7 | 1.6 | 66.7% | 1 | 10.30s | 239 | 469 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 3.0 | 10.0 | 0.0% | 0 | 733ms | 9 | 0 | |
| GPT-5.2 | 3.0 | 10.0 | 0.0% | 0 | 28.18s | 26 | 3,223 |
快速对比
切换对比组合
Claude Sonnet 4.6nonevsGPT-5.2mediumGPT-5.2mediumvsQwen3.6 Max PreviewnoneGemini 3.1 Flash LitenonevsQwen3.6 27BmediumGemini 3.1 Flash LitenonevsKimi K2.5mediumGemini 3.1 Flash LitenonevsGPT-5 MinimediumGemini 3.1 Flash LitenonevsGrok 4.20mediumDeepSeek V4 ProhighvsGemini 3.1 Flash LitenoneGemini 3.1 Flash LitenonevsGrok 4.1 FastmediumGemma 4 31Bnone免费可用vsGPT-5.2mediumDeepSeek V4 FlashhighvsGPT-5.2mediumDeepSeek V4 ProhighvsGPT-5.2mediumGemini 3.1 Flash LiteminimalvsGPT-5.2medium