Google: Gemini 3.5 Flash-Lite vs xAI: Grok 4.5

Grok 4.5 (low) 平均分领先，为 8.4 vs 8.1。 Gemini 3.5 Flash-Lite (high) benchmark 成本更低，为 $0.584 vs $0.935。 Gemini 3.5 Flash-Lite (high) 更快，为 9.48s vs 15.56s，通过率为 81.8% vs 75.8%。

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 8.4），同时成本比Grok 4.5 (low)低约 1.6 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	Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08

指标	Gemini 3.5 Flash-Lite Gemini 3.5 Flash-Lite high 发布日期: 2026-07-21	Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08
分数	8.1	8.4
排名	#31	#23
可靠性	10.0	10.0
一致性	7.5	9.7
测试正确
尝试通过率	81.8%	75.8%
不稳定测试	7	1
总运行次数	66	66
每个结果成本	4.169	5.844
总成本	$0.584	$0.935
输入价格	$0.300 / 1M	$2.000 / 1M
输出价格	$2.500 / 1M	$6.000 / 1M
总输入令牌	105,138	125,596
输出令牌	8,315	7,505
推理令牌	212,507	106,446
响应时间（平均）	9.48s	15.56s
响应时间（最大）	43.93s	205.28s
响应时间（总计）	208.52s	342.32s

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

#23 xAI: Grok 4.5

low

成本: $0.011
时间: 12.4s
令牌: 2,018 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
Grok 4.5	10.0	10.0	100.0%	0		2.75s	2,991	261	3,000

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
Grok 4.5	10.0	10.0	100.0%	0		13.72s	9,579	303	15,641

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
Grok 4.5	6.5	10.0	50.0%	0		12.75s	82,028	6,031	3,583

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
Grok 4.5	10.0	10.0	100.0%	0		3.44s	8,937	225	2,549

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
Grok 4.5	3.0	10.0	0.0%	0		72.64s	2,514	14	70,275

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
Grok 4.5	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253

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
Grok 4.5	9.8	10.0	100.0%	0		2.80s	1,857	57	1,878

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
Grok 4.5	10.0	10.0	100.0%	0		3.20s	2,430	217	2,590

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
Grok 4.5	10.0	10.0	100.0%	0		5.83s	13,394	284	871

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
Grok 4.5	3.0	10.0	0.0%	0		13.98s	789	15	4,806

快速对比

切换对比组合

Gemini 3.5 Flash-LitehighvsStep 3.7 Flashmedium Gemini 3.5 Flash-LitehighvsGPT-5.2 Chatnone GPT-5.2mediumvsGrok 4.5low Qwen3.6 Max PreviewmediumvsGrok 4.5low Gemini 3.5 Flash-LitehighvsGPT-5 Minimedium Claude Sonnet 5mediumvsGrok 4.5low Gemini 3.5 Flash-LitehighvsInklingmedium Gemini 3.5 Flash-LitehighvsKimi K3max GPT-5.4mediumvsGrok 4.5low Seed-2.0-LitemediumvsGemini 3.5 Flash-Litehigh Gemini 2.5 FlashmediumvsGrok 4.5low Gemini 3.5 Flash-LitehighvsQwen3.7 Plusmedium