AI BENCHY 对比
Google: Gemini 3.5 Flash vs OpenAI: GPT-4o-mini
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-19
| 指标 | Gemini 3.5 Flash Gemini 3.5 Flash low | GPT-4o-mini GPT-4o-mini none |
|---|---|---|
| 分数 | 9.6 | 4.9 |
| 排名 | #2 | #134 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 9.9 |
| 测试正确 | ||
| 尝试通过率 | 94.7% | 26.3% |
| 不稳定测试 | 0 | 0 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 1.359 | 0.099 |
| 总成本 | $0.245 | $0.005 |
| ???? | $1.500 / 1M | $0.150 / 1M |
| ???? | $9.000 / 1M | $0.600 / 1M |
| 输出令牌 | 2,003 | 1,962 |
| 推理令牌 | 20,245 | 0 |
| 响应时间（平均） | 2.84s | 1.90s |
| 响应时间（最大） | 6.44s | 7.58s |
| 响应时间（总计） | 54.00s | 22.79s |
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 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.52s | 209 | 2,536 | |
| GPT-4o-mini | 4.8 | 10.0 | 25.0% | 0 | 1.34s | 186 | 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 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 5.49s | 428 | 3,146 | |
| GPT-4o-mini | 3.0 | 8.7 | 0.0% | 0 | 2.55s | 347 | 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 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.44s | 351 | 3,050 | |
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 7.58s | 568 | 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 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 1.81s | 279 | 1,164 | |
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 183 | 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 3.5 Flash | 7.7 | 10.0 | 66.7% | 0 | 3.39s | 12 | 4,538 | |
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 637ms | 15 | 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 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.27s | 119 | 916 | |
| GPT-4o-mini | 4.0 | 10.0 | 0.0% | 0 | 909ms | 66 | 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 3.5 Flash | 9.9 | 10.0 | 100.0% | 0 | 1.86s | 71 | 1,652 | |
| GPT-4o-mini | 6.3 | 10.0 | 50.0% | 0 | 1.27s | 69 | 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 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.35s | 288 | 2,150 | |
| GPT-4o-mini | 3.5 | 10.0 | 0.0% | 0 | 1.30s | 308 | 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 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.27s | 234 | 403 | |
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 2.51s | 205 | 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 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 1.88s | 12 | 690 | |
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 794ms | 15 | 0 |
快速对比
切换对比组合
GPT-4o-mininonevsQwen3 Coder NextmediumMiniMax M2.7mediumvsGPT-4o-mininoneGPT-4o-mininonevsGLM 4.7 FlashmediumGPT-4o-mininonevsElephant AlphamediumMistral Small 4mediumvsGPT-4o-mininoneMiniMax M2.5medium免费可用vsGPT-4o-mininoneGPT-4o-mininonevsQwen3.5-9BmediumClaude Opus 4.7mediumvsGemini 3.5 FlashlowGemini 3.5 FlashlowvsGPT-5.5mediumCobuddymedium免费可用vsGPT-4o-mininoneGPT-4o-mininonevsOwl AlphamediumGemini 3.5 FlashlowvsQwen3.6 Max Previewmedium