Google: Gemini 3.5 Flash vs xAI: Grok 4.5

Gemini 3.5 Flash (medium) 平均分领先，为 9.1 vs 8.4。 Gemini 3.5 Flash (medium) benchmark 成本更低，为 $0.642 vs $0.935。 Gemini 3.5 Flash (medium) 更快，为 8.20s vs 15.56s，通过率为 87.9% vs 75.8%。

推荐模型Gemini 3.5 Flash (medium)它在这里得分最高（9.1），同时响应速度比Grok 4.5 (low)快约 1.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	Gemini 3.5 Flash Gemini 3.5 Flash medium 发布日期: 2026-05-19	Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08

指标	Gemini 3.5 Flash Gemini 3.5 Flash medium 发布日期: 2026-05-19	Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08
分数	9.1	8.4
排名	#9	#20
可靠性	10.0	10.0
一致性	9.7	9.7
测试正确
尝试通过率	87.9%	75.8%
不稳定测试	1	1
总运行次数	66	66
每个结果成本	3.374	5.844
总成本	$0.642	$0.935
输入价格	$1.500 / 1M	$2.000 / 1M
输出价格	$9.000 / 1M	$6.000 / 1M
总输入令牌	69,747	125,596
输出令牌	2,166	7,505
推理令牌	57,436	106,446
响应时间（平均）	8.20s	15.56s
响应时间（最大）	76.68s	205.28s
响应时间（总计）	180.47s	342.32s

Hamster playing table tennis

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

#9 Gemini 3.5 Flash

medium

成本: $0.201
时间: 112.9s
令牌: 22,371 tok

#20 xAI: Grok 4.5

low

成本: $0.011
时间: 12.4s
令牌: 2,018 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

类别:

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		2.09s	492	171	3,385
Grok 4.5	10.0	10.0	100.0%	0		2.75s	2,991	261	3,000

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	7.9	7.5	77.8%	1		12.63s	8,118	461	24,939
Grok 4.5	10.0	10.0	100.0%	0		13.72s	9,579	303	15,641

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		44.36s	45,684	516	8,835
Grok 4.5	6.5	10.0	50.0%	0		12.75s	82,028	6,031	3,583

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		4.07s	7,548	279	3,784
Grok 4.5	10.0	10.0	100.0%	0		3.44s	8,937	225	2,549

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		5.24s	633	12	8,047
Grok 4.5	3.0	10.0	0.0%	0		72.64s	2,514	14	70,275

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		2.52s	486	115	1,144
Grok 4.5	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253

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		2.70s	615	71	2,855
Grok 4.5	9.8	10.0	100.0%	0		2.80s	1,857	57	1,878

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	7.7	10.0	66.7%	0		2.38s	558	295	2,747
Grok 4.5	10.0	10.0	100.0%	0		3.20s	2,430	217	2,590

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		3.81s	5,457	234	455
Grok 4.5	10.0	10.0	100.0%	0		5.83s	13,394	284	871

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		2.75s	156	12	1,245
Grok 4.5	3.0	10.0	0.0%	0		13.98s	789	15	4,806

快速对比

切换对比组合

GPT-5.2mediumvsGrok 4.5low Qwen3.6 Max PreviewmediumvsGrok 4.5low Claude Sonnet 5mediumvsGrok 4.5low GPT-5.4mediumvsGrok 4.5low Gemini 2.5 FlashmediumvsGrok 4.5low Gemini 3.5 FlashmediumvsGrok 4.5high Gemini 3.5 FlashmediumvsGPT-5.5low Gemini 3.5 FlashmediumvsGPT-5.6 Solhigh Claude Fable 5mediumvsGrok 4.5low Muse Spark 1.1mediumvsGrok 4.5low Claude Opus 4.7mediumvsGrok 4.5low GPT-5 MinimediumvsGrok 4.5low