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 5.8。 Grok 4.20 Beta benchmark 成本更低，为 $0.087 vs $0.349。 Grok 4.20 Beta 更快，为 1.19s vs 3.27s，通过率为 90.5% vs 37.0%。

推荐模型: Gemini 3.5 Flash - 它在本次比较中得分最高（9.4），并且在全部 2 个模型中兼顾成本和响应时间最好。

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 none 发布日期: 2026-03-12
分数 9.4 5.8
排名 #3 #107
可靠性 10.0 不适用
一致性 10.0 9.6
测试正确
尝试通过率 90.5% 37.0%
不稳定测试 0 1
总运行次数 63 52
每个结果成本 1.834 1.510
总成本 $0.349 $0.087
输入价格 $1.500 / 1M $2.041 / 1M
输出价格 $9.000 / 1M $2.041 / 1M
总输入令牌 36,938 40,597
输出令牌 2,033 1,657
推理令牌 30,519 0
响应时间（平均） 3.27s 1.19s
响应时间（最大） 9.05s 6.48s
响应时间（总计） 68.65s 21.43s

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

#107 Grok 4.20 Beta

none
Invalid SVG
Cost
$0.004
Time
8.5s
Tokens
1,672 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 4.0 8.4 16.7% 1 597ms 1,986 251 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 5.5 10.0 0.0% 0 1.14s 358 74 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 3.0 10.0 0.0% 0 6.48s 17,673 282 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 601ms 7,749 197 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 3.0 10.0 0.0% 0 611ms 1,746 160 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 5.0 10.0 0.0% 0 541ms 819 87 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 6.3 10.0 50.0% 0 649ms 1,350 60 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 7.7 10.0 66.7% 0 586ms 1,671 357 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 10.0 10.0 100.0% 0 4.79s 7,245 189 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