AI BENCHY 对比
Google: Gemini 3.5 Flash vs Grok 4.1 Fast
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 | Grok 4.1 Fast Grok 4.1 Fast none |
|---|---|---|
| 分数 | 9.6 | 4.4 |
| 排名 | #2 | #146 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 8.8 |
| 测试正确 | ||
| 尝试通过率 | 94.7% | 22.8% |
| 不稳定测试 | 0 | 3 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 1.359 | 0.273 |
| 总成本 | $0.245 | $0.009 |
| ???? | $1.500 / 1M | $0.000 / 1M |
| ???? | $9.000 / 1M | $0.000 / 1M |
| 输出令牌 | 2,003 | 1,733 |
| 推理令牌 | 20,245 | 0 |
| 响应时间（平均） | 2.84s | 1.67s |
| 响应时间（最大） | 6.44s | 5.51s |
| 响应时间（总计） | 54.00s | 20.08s |
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 | |
| Grok 4.1 Fast | 3.2 | 10.0 | 0.0% | 0 | 1.07s | 235 | 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 | |
| Grok 4.1 Fast | 5.3 | 3.4 | 33.3% | 1 | 1.79s | 567 | 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 | |
| Grok 4.1 Fast | 3.0 | 10.0 | 0.0% | 0 | 3.33s | 105 | 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 | |
| Grok 4.1 Fast | 10.0 | 10.0 | 100.0% | 0 | 943ms | 180 | 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 | |
| Grok 4.1 Fast | 5.9 | 7.2 | 55.6% | 1 | 1.06s | 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 | |
| Grok 4.1 Fast | 4.4 | 9.9 | 0.0% | 0 | 1.08s | 112 | 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 | |
| Grok 4.1 Fast | 3.0 | 10.0 | 0.0% | 0 | 923ms | 56 | 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 | |
| Grok 4.1 Fast | 3.0 | 10.0 | 0.0% | 0 | 1.28s | 243 | 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 | |
| Grok 4.1 Fast | 2.8 | 1.6 | 33.3% | 1 | 5.51s | 208 | 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 | |
| Grok 4.1 Fast | 3.0 | 10.0 | 0.0% | 0 | 731ms | 12 | 0 |
快速对比
切换对比组合
Grok 4.1 FastnonevsGLM 4.7 FlashmediumQwen3.5-9BmediumvsGrok 4.1 FastnoneQwen3 Coder NextmediumvsGrok 4.1 FastnoneMiniMax M2.7mediumvsGrok 4.1 FastnoneClaude Opus 4.7mediumvsGemini 3.5 FlashlowGemini 3.5 FlashlowvsGPT-5.5mediumElephant AlphamediumvsGrok 4.1 FastnoneGemini 3.5 FlashlowvsQwen3.6 Max PreviewmediumMistral Small 4mediumvsGrok 4.1 FastnoneMiniMax M2.5medium免费可用vsGrok 4.1 Fastnonegpt-oss-120bmedium免费可用vsGrok 4.1 FastnoneSeed-2.0-LitemediumvsGemini 3.5 Flashlow