AI BENCHY 对比
Google: Gemini 3.5 Flash vs Elephant Alpha
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-29
| 指标 | Gemini 3.5 Flash Gemini 3.5 Flash low | Elephant Alpha Elephant Alpha none |
|---|---|---|
| 分数 | 9.3 | 5.2 |
| 排名 | #3 | #136 |
| 可靠性 | 10.0 | 不适用 |
| 一致性 | 10.0 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 90.0% | 29.8% |
| 不稳定测试 | 0 | 1 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 1.582 | 0.000 |
| 总成本 | $0.285 | $0.000 |
| 输入价格 | $1.500 / 1M | $0.000 / 1M |
| 输出价格 | $9.000 / 1M | $0.000 / 1M |
| 输出令牌 | 2,027 | 2,573 |
| 推理令牌 | 23,938 | 0 |
| 响应时间（平均） | 2.98s | 1.22s |
| 响应时间（最大） | 6.44s | 3.81s |
| 响应时间（总计） | 59.59s | 22.03s |
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 | |
| Elephant Alpha | 6.6 | 10.0 | 50.0% | 0 | 963ms | 610 | 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 | 6.8 | 10.0 | 50.0% | 0 | 5.54s | 452 | 6,839 | |
| Elephant Alpha | 4.7 | 6.7 | 33.3% | 1 | 1.39s | 375 | 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 | |
| Elephant Alpha | 3.0 | 10.0 | 0.0% | 0 | 3.81s | 731 | 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 | |
| Elephant Alpha | 6.5 | 10.0 | 50.0% | 0 | 1.04s | 246 | 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 | |
| Elephant Alpha | 3.0 | 10.0 | 0.0% | 0 | 927ms | 24 | 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 | |
| Elephant Alpha | 4.0 | 10.0 | 0.0% | 0 | 854ms | 106 | 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 | |
| Elephant Alpha | 9.8 | 10.0 | 100.0% | 0 | 1.03s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.35s | 288 | 2,150 | |
| Elephant Alpha | 4.2 | 10.0 | 0.0% | 0 | 807ms | 170 | 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 | |
| Elephant Alpha | 3.0 | 10.0 | 0.0% | 0 | 2.79s | 230 | 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 | |
| Elephant Alpha | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
MiniMax M2.7mediumvsElephant AlphanoneMistral Small 4mediumvsElephant AlphanoneMiniMax M2.5medium免费可用vsElephant AlphanoneGemini 3.5 FlashlowvsQwen3.7 MaxmediumClaude Opus 4.7mediumvsGemini 3.5 FlashlowCobuddymediumvsElephant AlphanoneElephant AlphanonevsQwen3 Coder NextmediumGemini 3.5 FlashlowvsGPT-5.5mediumClaude Opus 4.8mediumvsGemini 3.5 Flashlowgpt-oss-120bmedium免费可用vsElephant AlphanoneNemotron 3 Supermedium免费可用vsElephant AlphanoneElephant AlphanonevsGLM 4.7 Flashmedium