AI BENCHY 对比
Google: Gemini 3.5 Flash vs OpenAI: GPT-5.4
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-03
| 指标 | Gemini 3.5 Flash Gemini 3.5 Flash high | GPT-5.4 GPT-5.4 none |
|---|---|---|
| 分数 | 9.6 | 5.6 |
| 排名 | #2 | #121 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.6 | 9.1 |
| 测试正确 | ||
| 尝试通过率 | 96.7% | 38.3% |
| 不稳定测试 | 1 | 2 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 5.231 | 1.644 |
| 总成本 | $0.994 | $0.116 |
| 输入价格 | $1.500 / 1M | $2.500 / 1M |
| 输出价格 | $9.000 / 1M | $15.000 / 1M |
| 总输入令牌 | 34,591 | 31,593 |
| 输出令牌 | 1,969 | 2,402 |
| 推理令牌 | 102,679 | 0 |
| 响应时间（平均） | 8.30s | 1.45s |
| 响应时间（最大） | 34.82s | 2.95s |
| 响应时间（总计） | 165.92s | 29.00s |
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 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.57s | 492 | 174 | 4,997 | |
| GPT-5.4 | 3.2 | 8.0 | 8.3% | 1 | 1.21s | 606 | 406 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 24.62s | 5,115 | 450 | 34,170 | |
| GPT-5.4 | 6.8 | 10.0 | 50.0% | 0 | 1.99s | 4,686 | 501 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 22.37s | 12,873 | 351 | 16,323 | |
| GPT-5.4 | 3.0 | 10.0 | 0.0% | 0 | 2.89s | 11,019 | 291 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.43s | 7,548 | 279 | 8,466 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 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 3.5 Flash | 7.6 | 7.2 | 77.8% | 1 | 14.09s | 633 | 12 | 24,721 | |
| GPT-5.4 | 5.3 | 7.2 | 44.4% | 1 | 1.07s | 723 | 50 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.63s | 486 | 115 | 1,650 | |
| GPT-5.4 | 4.4 | 9.9 | 0.0% | 0 | 1.78s | 477 | 184 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.35s | 615 | 70 | 3,799 | |
| GPT-5.4 | 6.5 | 10.0 | 50.0% | 0 | 1.07s | 660 | 81 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.23s | 558 | 241 | 4,940 | |
| GPT-5.4 | 5.6 | 9.8 | 33.3% | 0 | 1.44s | 642 | 381 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 9.8 | 10.0 | 100.0% | 0 | 4.96s | 6,115 | 265 | 1,608 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 5,445 | 246 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.94s | 156 | 12 | 2,005 | |
| GPT-5.4 | 3.0 | 10.0 | 0.0% | 0 | 990ms | 195 | 40 | 0 |
快速对比
切换对比组合
MiniMax M2.5mediumvsGPT-5.4noneCobuddymediumvsGPT-5.4noneMiniMax M2.7mediumvsGPT-5.4noneMistral Small 4mediumvsGPT-5.4noneGPT-5.4nonevsOwl AlphamediumGPT-5.4nonevsElephant AlphamediumNemotron 3 Supermedium免费可用vsGPT-5.4noneDeepSeek V4 ProhighvsGPT-5.4noneGemini 3.5 FlashhighvsQwen3.7 MaxmediumClaude Opus 4.7mediumvsGemini 3.5 FlashhighGemini 3.5 FlashhighvsGPT-5.5lowGPT-5.4nonevsQwen3 Coder Nextmedium