AI BENCHY 对比

Google: Gemini 3.1 Pro Preview vs OpenAI: GPT-5.6 Sol

摘要

Gemini 3.1 Pro Preview (medium) vs GPT-5.6 Sol (medium) benchmark 对比：GPT-5.6 Sol (medium) 平均分领先，为 9.4 vs 9.2。 GPT-5.6 Sol (medium) benchmark 成本更低，为 $0.966 vs $1.054。 GPT-5.6 Sol (medium) 更快，为 10.79s vs 20.14s，通过率为 90.5% vs 90.5%。

推荐模型: GPT-5.6 Sol (medium) - 它在这里得分最高（9.4），同时响应速度比Gemini 3.1 Pro Preview (medium)快约 1.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium 发布日期: 2026-02-19	GPT-5.6 Sol GPT-5.6 Sol medium 发布日期: 2026-07-09

指标	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium 发布日期: 2026-02-19	GPT-5.6 Sol GPT-5.6 Sol medium 发布日期: 2026-07-09
分数	9.2	9.4
排名	#10	#5
可靠性	10.0	10.0
一致性	10.0	8.8
测试正确
尝试通过率	90.5%	90.5%
不稳定测试	0	3
总运行次数	63	63
每个结果成本	5.546	5.682
总成本	$1.054	$0.966
输入价格	$2.000 / 1M	$5.000 / 1M
输出价格	$12.000 / 1M	$30.000 / 1M
总输入令牌	41,617	34,218
输出令牌	1,977	1,895
推理令牌	78,896	24,600
响应时间（平均）	20.14s	10.79s
响应时间（最大）	88.68s	79.40s
响应时间（总计）	281.92s	226.57s

生成展示

Hamster playing table tennis

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

#10 Gemini 3.1 Pro Preview

medium

成本: $0.115
时间: 87.2s
令牌: 9,629 tok

#5 GPT-5.6 Sol

medium

成本: $0.124
时间: 57.2s
令牌: 4,199 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 Pro Preview	10.0	10.0	100.0%	0		7.90s	498	112	3,218
GPT-5.6 Sol	10.0	10.0	100.0%	0		2.81s	606	173	572

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 Pro Preview	7.9	9.9	66.7%	0		40.17s	8,124	435	41,247
GPT-5.6 Sol	10.0	10.0	100.0%	0		9.40s	7,302	394	4,706

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 Pro Preview	9.5	10.0	100.0%	0		40.61s	17,240	432	9,281
GPT-5.6 Sol	10.0	10.0	100.0%	0		12.13s	11,019	318	1,214

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 Pro Preview	10.0	10.0	100.0%	0		7.72s	7,265	279	3,904
GPT-5.6 Sol	10.0	10.0	100.0%	0		1.38s	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 Pro Preview	7.7	10.0	66.7%	0		32.73s	635	18	12,424
GPT-5.6 Sol	5.9	7.2	55.6%	1		47.86s	723	71	16,201

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 Pro Preview	10.0	10.0	100.0%	0		11.77s	490	108	1,179
GPT-5.6 Sol	10.0	10.0	100.0%	0		3.48s	477	99	214

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 Pro Preview	10.0	10.0	100.0%	0		9.56s	621	72	2,236
GPT-5.6 Sol	10.0	10.0	100.0%	0		2.50s	660	96	249

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 Pro Preview	10.0	10.0	100.0%	0		6.90s	570	235	3,128
GPT-5.6 Sol	8.2	7.2	88.9%	1		2.98s	642	228	566

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 Pro Preview	10.0	10.0	100.0%	0		23.15s	6,018	274	982
GPT-5.6 Sol	10.0	10.0	100.0%	0		6.30s	5,454	264	361

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 Pro Preview	10.0	10.0	100.0%	0		6.27s	156	12	1,297
GPT-5.6 Sol	4.7	1.6	66.7%	1		4.94s	195	30	517

快速对比

切换对比组合