导航
AI BENCHY
Advertise here

AI BENCHY 对比

Google: Gemini 3.1 Flash Lite Preview vs xAI: Grok 4.5

摘要

Gemini 3.1 Flash Lite Preview (medium) vs Grok 4.5 (low) benchmark 对比：平均分几乎持平，为 7.8 vs 7.8。 Gemini 3.1 Flash Lite Preview (medium) benchmark 成本更低，为 $0.068 vs $0.760。 Gemini 3.1 Flash Lite Preview (medium) 更快，为 3.96s vs 15.48s，通过率为 61.9% vs 74.6%。

推荐模型: Gemini 3.1 Flash Lite Preview (medium) - 它在这里得分最高（7.8），同时成本比Grok 4.5 (low)低约 11.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-08

指标 Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium 发布日期: 2026-03-03 Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08
分数 7.8 7.8
排名 #35 #34
可靠性 10.0 10.0
一致性 10.0 9.7
测试正确
尝试通过率 61.9% 74.6%
不稳定测试 0 1
总运行次数 63 63
每个结果成本 0.523 5.061
总成本 $0.068 $0.760
输入价格 $0.250 / 1M $2.000 / 1M
输出价格 $1.500 / 1M $6.000 / 1M
总输入令牌 37,786 58,652
输出令牌 2,210 1,735
推理令牌 36,744 105,233
响应时间（平均） 3.96s 15.48s
响应时间（最大） 14.93s 205.28s
响应时间（总计） 83.06s 324.98s

生成展示

Hamster playing table tennis

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

#35 Gemini 3.1 Flash Lite Preview

medium
成本
$0.003
时间
5.2s
令牌
1,944 tok

#34 xAI: Grok 4.5

low
成本
$0.011
时间
12.4s
令牌
2,018 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 Preview 9.1 10.0 75.0% 0 2.33s 512 570 4,305
Grok 4.5 10.0 10.0 100.0% 0 2.75s 2,991 261 3,000
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 Preview 5.5 10.0 33.3% 0 4.09s 8,126 461 8,597
Grok 4.5 10.0 10.0 100.0% 0 13.72s 9,579 303 15,641
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 Preview 10.0 10.0 100.0% 0 14.93s 13,403 327 7,347
Grok 4.5 3.0 10.0 0.0% 0 8.16s 15,084 261 2,370
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 Preview 10.0 10.0 100.0% 0 2.29s 7,362 279 2,952
Grok 4.5 10.0 10.0 100.0% 0 3.44s 8,937 225 2,549
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 Preview 3.0 10.0 0.0% 0 4.21s 639 18 5,325
Grok 4.5 3.0 10.0 0.0% 0 72.64s 2,514 14 70,275
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 Preview 10.0 10.0 100.0% 0 3.16s 488 96 1,488
Grok 4.5 6.1 3.1 66.7% 1 4.88s 1,077 98 1,253
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 Preview 10.0 10.0 100.0% 0 1.91s 621 72 2,121
Grok 4.5 9.8 10.0 100.0% 0 2.80s 1,857 57 1,878
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 Preview 7.7 10.0 66.7% 0 5.30s 566 141 1,896
Grok 4.5 10.0 10.0 100.0% 0 3.20s 2,430 217 2,590
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 Preview 10.0 10.0 100.0% 0 3.80s 5,909 234 912
Grok 4.5 10.0 10.0 100.0% 0 5.83s 13,394 284 871
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 Preview 3.0 10.0 0.0% 0 2.68s 160 12 1,801
Grok 4.5 3.0 10.0 0.0% 0 13.98s 789 15 4,806

快速对比

切换对比组合

Claude Sonnet 4.6mediumvsGrok 4.5lowQwen3.6 PlusmediumvsGrok 4.5lowClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumQwen3.5 Plus 2026-04-20mediumvsGrok 4.5lowClaude Sonnet 5mediumvsGrok 4.5lowGemini 3.1 Flash LitemediumvsGrok 4.5lowKimi K2.6medium免费可用vsGrok 4.5lowQwen3.5-27BmediumvsGrok 4.5lowQwen3.5-122B-A10BmediumvsGrok 4.5lowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsGrok 4.5lowDeepSeek V4 ProhighvsGemini 3.1 Flash Lite Previewmedium