AI BENCHY 对比
Google: Gemini 3.1 Pro Preview vs Owl Alpha
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-30
| 指标 | Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium | Owl Alpha Owl Alpha none |
|---|---|---|
| 分数 | 9.6 | 6.0 |
| 排名 | #2 | #87 |
| 可靠性 | 不适用 | 10.0 |
| 一致性 | 10.0 | 9.1 |
| 测试正确 | ||
| 尝试通过率 | 94.4% | 46.3% |
| 不稳定测试 | 0 | 2 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 3.400 | 0.000 |
| 总成本 | $0.578 | $0.000 |
| ???? | $2.000 / 1M | $0.000 / 1M |
| ???? | $12.000 / 1M | $0.000 / 1M |
| 输出令牌 | 1,932 | 1,671 |
| 推理令牌 | 40,542 | 0 |
| 响应时间（平均） | 15.96s | 7.07s |
| 响应时间（最大） | 40.61s | 32.27s |
| 响应时间（总计） | 175.52s | 127.23s |
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 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 7.90s | 112 | 3,218 | |
| Owl Alpha | 3.4 | 7.9 | 16.7% | 1 | 2.78s | 57 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 19.88s | 405 | 4,201 | |
| Owl Alpha | 10.0 | 10.0 | 100.0% | 0 | 32.27s | 450 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 9.5 | 10.0 | 100.0% | 0 | 40.61s | 432 | 9,281 | |
| Owl Alpha | 3.0 | 10.0 | 0.0% | 0 | 21.74s | 315 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 7.72s | 279 | 3,904 | |
| Owl Alpha | 10.0 | 10.0 | 100.0% | 0 | 3.60s | 246 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 7.7 | 10.0 | 66.7% | 0 | 32.73s | 18 | 12,424 | |
| Owl Alpha | 5.3 | 10.0 | 33.3% | 0 | 3.00s | 27 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 11.77s | 108 | 1,179 | |
| Owl Alpha | 4.3 | 10.0 | 0.0% | 0 | 4.61s | 80 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 9.56s | 72 | 2,236 | |
| Owl Alpha | 6.4 | 10.0 | 50.0% | 0 | 2.63s | 63 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 7.15s | 232 | 3,117 | |
| Owl Alpha | 5.9 | 7.2 | 55.6% | 1 | 4.43s | 202 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 23.15s | 274 | 982 | |
| Owl Alpha | 10.0 | 10.0 | 100.0% | 0 | 22.78s | 231 | 0 |
快速对比
切换对比组合
gpt-oss-120bmedium免费可用vsOwl AlphanoneOwl AlphanonevsLaguna Xs.2medium免费可用Mistral Small 4mediumvsOwl AlphanoneMiniMax M2.5medium免费可用vsOwl AlphanoneOwl AlphanonevsLaguna M.1medium免费可用Claude Opus 4.7nonevsGemini 3.1 Pro PreviewmediumGPT-5 NanomediumvsOwl AlphanoneMercury 2mediumvsOwl AlphanoneGemini 3.1 Pro PreviewmediumvsGPT-5.5lowNemotron 3 Supermedium免费可用vsOwl AlphanoneOwl AlphanonevsGrok 4.1 FastmediumMiniMax M2.7mediumvsOwl Alphanone