Google: Gemini 3.5 Flash-Lite vs OpenAI: GPT-5.4

GPT-5.4 (medium) 平均分领先，为 8.5 vs 8.1。 Gemini 3.5 Flash-Lite (high) benchmark 成本更低，为 $0.584 vs $1.533。 Gemini 3.5 Flash-Lite (high) 更快，为 9.48s vs 23.10s，通过率为 81.8% vs 77.3%。

推荐模型Gemini 3.5 Flash-Lite (high)它的得分接近这里的最高分（8.1 vs 8.5），同时成本比GPT-5.4 (medium)低约 2.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-21

指标	Gemini 3.5 Flash-Lite Gemini 3.5 Flash-Lite high 发布日期: 2026-07-21	GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05

指标	Gemini 3.5 Flash-Lite Gemini 3.5 Flash-Lite high 发布日期: 2026-07-21	GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05
分数	8.1	8.5
排名	#31	#21
可靠性	10.0	10.0
一致性	7.5	8.6
测试正确
尝试通过率	81.8%	77.3%
不稳定测试	7	4
总运行次数	66	66
每个结果成本	4.169	10.220
总成本	$0.584	$1.533
输入价格	$0.300 / 1M	$2.500 / 1M
输出价格	$2.500 / 1M	$15.000 / 1M
总输入令牌	105,138	81,127
输出令牌	8,315	6,155
推理令牌	212,507	82,515
响应时间（平均）	9.48s	23.10s
响应时间（最大）	43.93s	100.41s
响应时间（总计）	208.52s	508.26s

Hamster playing table tennis

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

#31 Gemini 3.5 Flash-Lite

high

成本: $0.023
时间: 23.6s
令牌: 9,128 tok

#21 GPT-5.4

medium

成本: $0.214
时间: 199.6s
令牌: 14,349 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

类别:

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-Lite	10.0	10.0	100.0%	0		1.98s	516	166	7,464
GPT-5.4	8.3	10.0	75.0%	0		4.11s	606	240	1,511

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-Lite	8.6	7.6	88.9%	1		15.09s	8,136	452	55,603
GPT-5.4	8.8	7.8	88.9%	1		44.36s	7,305	433	24,216

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-Lite	7.3	5.8	83.3%	1		29.22s	80,577	6,767	62,928
GPT-5.4	10.0	10.0	100.0%	0		29.77s	58,038	4,214	13,351

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-Lite	10.0	10.0	100.0%	0		2.71s	7,269	279	5,104
GPT-5.4	10.0	10.0	100.0%	0		5.32s	7,140	234	804

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-Lite	5.3	7.2	44.4%	1		19.53s	651	16	51,792
GPT-5.4	5.3	7.2	44.4%	1		74.27s	619	61	34,748

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-Lite	5.4	2.5	66.7%	1		3.40s	492	114	2,361
GPT-5.4	4.7	3.1	33.3%	1		4.92s	477	145	321

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-Lite	8.5	6.8	83.3%	1		1.87s	627	70	3,533
GPT-5.4	10.0	10.0	100.0%	0		3.11s	660	93	897

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-Lite	8.2	7.2	88.9%	1		1.85s	576	172	4,371
GPT-5.4	8.2	7.2	88.9%	1		9.14s	642	441	3,815

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-Lite	10.0	10.0	100.0%	0		4.05s	6,132	269	3,356
GPT-5.4	10.0	10.0	100.0%	0		13.28s	5,445	264	1,031

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-Lite	2.8	1.6	33.3%	1		16.11s	162	10	15,995
GPT-5.4	3.0	10.0	0.0%	0		13.95s	195	30	1,821

快速对比

切换对比组合