AI BENCHY 对比
Google: Gemini 3.1 Flash Lite Preview vs OpenAI: GPT-5.4
比较:
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-05
| 指标 | Google: Gemini 3.1 Flash Lite Preview high 发布日期: 2026-03-03 | OpenAI: GPT-5.4 medium 发布日期: 2026-03-05 |
|---|---|---|
| 平均分 | 8.1 | 8.2 |
| 排名 | #10 | #7 |
| 测试正确 | ||
| 一致性 | 9.6 | 8.9 |
| 每个结果成本 | 20.937 | 6.533 |
| 总成本 | $2.303 | $0.784 |
| 尝试通过率 | 75.6% | 86.7% |
| 不稳定测试 | 1 | 2 |
| common.totalRuns | 45 (15 x 3) | 45 (15 x 3) |
| 输出令牌 | 1,166 | 1,611 |
| 推理令牌 | 1,529,395 | 46,321 |
| 响应时间（平均） | 73.07s | 21.06s |
| 响应时间（最大） | 280.52s | 100.41s |
| 响应时间（总计） | 1096.07s | 315.95s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Flash Lite Preview | 10.0 | 10.0 | 100.0% | 0 | 43.87s | 144 | 193,077 | |
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.02s | 216 | 1,466 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Flash Lite Preview | 10.0 | 10.0 | 100.0% | 0 | 280.52s | 335 | 380,440 | |
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 20.57s | 301 | 3,543 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Flash Lite Preview | 9.9 | 10.0 | 100.0% | 0 | 7.16s | 279 | 6,186 | |
| OpenAI: GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 5.32s | 234 | 804 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Flash Lite Preview | 4.0 | 10.0 | 33.3% | 0 | 127.58s | 18 | 566,202 | |
| OpenAI: GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 74.27s | 61 | 34,748 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Flash Lite Preview | 9.0 | 6.9 | 66.7% | 1 | 70.07s | 69 | 190,053 | |
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 93 | 897 |
| Puzzle Solving | 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Flash Lite Preview | 7.0 | 10.0 | 66.7% | 0 | 46.33s | 87 | 190,953 | |
| OpenAI: GPT-5.4 | 7.0 | 7.2 | 88.9% | 1 | 9.13s | 442 | 3,832 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Flash Lite Preview | 10.0 | 10.0 | 100.0% | 0 | 7.73s | 234 | 2,484 | |
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 264 | 1,031 |
快速对比
切换对比组合
Gemini 3 Flash PreviewlowvsGPT-5.4mediumGemini 3.1 Flash Lite PreviewhighvsQwen3.5-122B-A10BmediumGemini 3.1 Flash Lite PreviewhighvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewhighvsQwen3.5-27BmediumDeepSeek V3.2mediumvsGemini 3.1 Flash Lite PreviewhighClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewhighGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGemini 3.1 Flash Lite PreviewhighvsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewhighvsStep 3.5 Flashmedium免费可用Gemini 3.1 Flash Lite PreviewhighvsMiMo-V2-FlashmediumGemini 3.1 Flash Lite PreviewhighvsGLM 5mediumGemini 3.1 Flash Lite PreviewhighvsGPT-5.3 Chatnone