导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Google: Gemini 3.5 Flash vs Grok 4.20 Beta

摘要

Gemini 3.5 Flash vs Grok 4.20 Beta benchmark 对比：Gemini 3.5 Flash 平均分领先，为 9.4 vs 8.5。 Gemini 3.5 Flash benchmark 成本更低，为 $0.349 vs $0.750。 Gemini 3.5 Flash 更快，为 3.27s vs 9.75s，通过率为 90.5% vs 81.5%。

推荐模型: Gemini 3.5 Flash - 它在这里得分最高（9.4），同时成本比Grok 4.20 Beta低约 2.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标 Gemini 3.5 Flash Gemini 3.5 Flash low 发布日期: 2026-05-19 Grok 4.20 Beta Grok 4.20 Beta medium 发布日期: 2026-03-12
分数 9.4 8.5
排名 #3 #14
可靠性 10.0 不适用
一致性 10.0 9.5
测试正确
尝试通过率 90.5% 81.5%
不稳定测试 0 1
总运行次数 63 52
每个结果成本 1.834 4.505
总成本 $0.349 $0.750
输入价格 $1.500 / 1M $5.805 / 1M
输出价格 $9.000 / 1M $5.805 / 1M
总输入令牌 36,938 35,955
输出令牌 2,033 1,647
推理令牌 30,519 91,565
响应时间（平均） 3.27s 9.75s
响应时间（最大） 9.05s 31.36s
响应时间（总计） 68.65s 175.48s

Generation showcase

Hamster playing table tennis

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

#3 Gemini 3.5 Flash

low
Cost
$0.068
Time
39.1s
Tokens
7,588 tok

#14 Grok 4.20 Beta

medium
Cost
$0.034
Time
91.0s
Tokens
13,523 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

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 10.0 10.0 100.0% 0 2.52s 494 209 2,536
Grok 4.20 Beta 8.7 7.9 91.7% 1 3.16s 2,010 268 7,583
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 7.8 10.0 66.7% 0 6.71s 8,118 458 13,420
Grok 4.20 Beta 10.0 10.0 100.0% 0 31.36s 360 81 3,987
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 10.0 10.0 100.0% 0 6.44s 12,873 351 3,050
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 12,909 227 12,212
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 10.0 10.0 100.0% 0 1.81s 7,548 279 1,164
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.01s 7,761 180 5,281
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 7.7 10.0 66.7% 0 3.39s 633 12 4,538
Grok 4.20 Beta 5.3 10.0 33.3% 0 21.33s 1,764 251 40,255
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 10.0 10.0 100.0% 0 2.27s 486 119 916
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 825 72 3,440
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 9.9 10.0 100.0% 0 1.86s 615 71 1,652
Grok 4.20 Beta 9.8 10.0 100.0% 0 4.89s 1,362 57 7,123
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 10.0 10.0 100.0% 0 2.35s 558 288 2,150
Grok 4.20 Beta 10.0 10.0 100.0% 0 3.52s 1,689 328 6,300
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 10.0 10.0 100.0% 0 3.27s 5,457 234 403
Grok 4.20 Beta 3.0 10.0 0.0% 0 12.39s 7,275 183 5,384
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 10.0 10.0 100.0% 0 1.88s 156 12 690
Grok 4.20 Beta - - - - - - - - -

快速对比

切换对比组合

Gemini 3.5 FlashlowvsQwen3.7 MaxmediumGemini 3.5 FlashlowvsGPT-5.5mediumClaude Opus 4.8mediumvsGemini 3.5 FlashlowClaude Opus 4.7mediumvsGemini 3.5 FlashlowClaude Fable 5mediumvsGemini 3.5 FlashlowGemini 3.5 FlashlowvsQwen3.6 Max PreviewmediumGemini 3.5 FlashlowvsGPT-5.3-CodexmediumGemini 3.5 FlashlowvsGLM 5mediumGemini 3.5 FlashlowvsQwen3.7 PlusmediumSeed-2.0-LitemediumvsGemini 3.5 FlashlowGemini 3.5 FlashlowvsGPT-5.4mediumGemini 3.5 FlashlowvsStep 3.7 Flashmedium