AI BENCHY 对比
Google: Gemini 3.1 Pro Preview vs xAI: Grok 4.20
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-10
| 指标 | Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium | Grok 4.20 Grok 4.20 none |
|---|---|---|
| 分数 | 9.6 | 5.4 |
| 排名 | #2 | #115 |
| 可靠性 | 10.0 | 不适用 |
| 一致性 | 10.0 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 94.7% | 35.2% |
| 不稳定测试 | 0 | 1 |
| 总运行次数 | 57 | 54 |
| 每个结果成本 | 3.300 | 1.574 |
| 总成本 | $0.594 | $0.095 |
| ???? | $2.000 / 1M | $1.250 / 1M |
| ???? | $12.000 / 1M | $2.500 / 1M |
| 输出令牌 | 1,944 | 1,967 |
| 推理令牌 | 41,839 | 0 |
| 响应时间（平均） | 15.15s | 1.11s |
| 响应时间（最大） | 40.61s | 6.04s |
| 响应时间（总计） | 181.78s | 20.02s |
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 | |
| Grok 4.20 | 4.8 | 10.0 | 25.0% | 0 | 501ms | 267 | 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 | |
| Grok 4.20 | 3.4 | 9.3 | 0.0% | 0 | 1.22s | 312 | 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 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 6.04s | 282 | 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 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 522ms | 207 | 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 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 687ms | 325 | 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 | |
| Grok 4.20 | 4.8 | 10.0 | 0.0% | 0 | 659ms | 83 | 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 | |
| Grok 4.20 | 6.3 | 10.0 | 50.0% | 0 | 455ms | 60 | 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 | |
| Grok 4.20 | 5.3 | 7.2 | 44.4% | 1 | 487ms | 242 | 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 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.63s | 189 | 0 |
| 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 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 6.27s | 12 | 1,297 | |
| Grok 4.20 | - | - | - | - | - | - | - | - |
快速对比
切换对比组合
Elephant AlphamediumvsGrok 4.20noneMistral Small 4mediumvsGrok 4.20noneMiniMax M2.5medium免费可用vsGrok 4.20noneMiniMax M2.7mediumvsGrok 4.20nonegpt-oss-120bmedium免费可用vsGrok 4.20noneCobuddymedium免费可用vsGrok 4.20noneOwl AlphamediumvsGrok 4.20noneQwen3 Coder NextmediumvsGrok 4.20noneNemotron 3 Supermedium免费可用vsGrok 4.20noneGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGPT-5 NanomediumvsGrok 4.20noneMercury 2mediumvsGrok 4.20none