导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Google: Gemini 3.5 Flash vs Grok 4.20 Beta

摘要

Gemini 3.5 Flash vs Grok 4.20 Beta benchmark 对比：Gemini 3.5 Flash 平均分领先，为 9.6 vs 8.5。 Grok 4.20 Beta benchmark 成本更低，为 $0.750 vs $1.115。 Gemini 3.5 Flash 更快，为 8.84s vs 9.75s，通过率为 96.8% vs 81.5%。

推荐模型: Gemini 3.5 Flash - 它在本次比较中得分最高（9.6），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标 Gemini 3.5 Flash Gemini 3.5 Flash high 发布日期: 2026-05-19 Grok 4.20 Beta Grok 4.20 Beta medium 发布日期: 2026-03-12
分数 9.6 8.5
排名 #2 #14
可靠性 10.0 不适用
一致性 9.6 9.5
测试正确
尝试通过率 96.8% 81.5%
不稳定测试 1 1
总运行次数 63 52
每个结果成本 5.575 4.505
总成本 $1.115 $0.750
输入价格 $1.500 / 1M $5.805 / 1M
输出价格 $9.000 / 1M $5.805 / 1M
总输入令牌 37,594 35,955
输出令牌 1,975 1,647
推理令牌 115,638 91,565
响应时间（平均） 8.84s 9.75s
响应时间（最大） 34.82s 31.36s
响应时间（总计） 185.57s 175.48s

Generation showcase

Hamster playing table tennis

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

#2 Gemini 3.5 Flash

high
Cost
$0.208
Time
118.2s
Tokens
23,158 tok

#14 Grok 4.20 Beta

medium
Cost
$0.034
Time
91.0s
Tokens
13,523 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 3.5 Flash 10.0 10.0 100.0% 0 2.57s 492 174 4,997
Grok 4.20 Beta 8.7 7.9 91.7% 1 3.16s 2,010 268 7,583
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 22.96s 8,118 456 47,129
Grok 4.20 Beta 10.0 10.0 100.0% 0 31.36s 360 81 3,987
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
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 12,909 227 12,212
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
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.01s 7,761 180 5,281
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
Grok 4.20 Beta 5.3 10.0 33.3% 0 21.33s 1,764 251 40,255
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
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 825 72 3,440
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
Grok 4.20 Beta 9.8 10.0 100.0% 0 4.89s 1,362 57 7,123
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
Grok 4.20 Beta 10.0 10.0 100.0% 0 3.52s 1,689 328 6,300
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
Grok 4.20 Beta 3.0 10.0 0.0% 0 12.39s 7,275 183 5,384
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
Grok 4.20 Beta - - - - - - - - -

快速对比

切换对比组合

Gemini 3.5 FlashhighvsQwen3.7 MaxmediumGemini 3.5 FlashhighvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5mediumClaude Opus 4.8mediumvsGemini 3.5 FlashhighClaude Opus 4.7mediumvsGemini 3.5 FlashhighClaude Fable 5mediumvsGemini 3.5 FlashhighGemini 3.5 FlashhighvsQwen3.6 Max PreviewmediumGemini 3.5 FlashhighvsGPT-5.3-CodexmediumGemini 3.5 FlashhighvsGLM 5mediumGemini 3.5 FlashhighvsQwen3.7 PlusmediumSeed-2.0-LitemediumvsGemini 3.5 FlashhighGemini 3.5 FlashhighvsGPT-5.4medium