AI BENCHY 对比
Google: Gemini 3.5 Flash vs OpenAI: GPT-5.5
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 none | GPT-5.5 GPT-5.5 low |
|---|---|---|
| 分数 | 9.1 | 8.9 |
| 排名 | #6 | #10 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.0 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 91.7% | 84.2% |
| 不稳定测试 | 2 | 0 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 3.490 | 4.412 |
| 总成本 | $0.489 | $0.706 |
| ???? | $1.500 / 1M | $5.000 / 1M |
| ???? | $9.000 / 1M | $30.000 / 1M |
| 输出令牌 | 53,202 | 2,008 |
| 推理令牌 | 0 | 16,914 |
| 响应时间（平均） | 5.59s | 8.80s |
| 响应时间（最大） | 14.88s | 56.19s |
| 响应时间（总计） | 89.50s | 167.26s |
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 | 2.53s | 5,101 | 0 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.43s | 246 | 1,011 |
| 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 | 14.88s | 11,611 | 0 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 7.79s | 369 | 936 |
| 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 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 9.56s | 303 | 717 |
| 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 | 8.10s | 5,895 | 0 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.28s | 228 | 157 |
| 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 | 7.6 | 7.2 | 77.8% | 1 | 10.64s | 17,910 | 0 | |
| GPT-5.5 | 5.3 | 10.0 | 33.3% | 0 | 27.57s | 69 | 11,731 |
| 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 | 3.46s | 1,620 | 0 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 7.14s | 146 | 170 |
| 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 | 9.8 | 10.0 | 100.0% | 0 | 3.38s | 3,928 | 0 | |
| GPT-5.5 | 9.9 | 10.0 | 100.0% | 0 | 2.98s | 93 | 356 |
| 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 | 3.13s | 4,640 | 0 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.94s | 274 | 895 |
| 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 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.96s | 250 | 101 |
| 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 | 2.8 | 1.6 | 33.3% | 1 | 4.87s | 2,497 | 0 | |
| GPT-5.5 | 3.0 | 10.0 | 0.0% | 0 | 10.06s | 30 | 840 |
快速对比
切换对比组合
Claude Opus 4.7mediumvsGPT-5.5lowClaude Opus 4.7mediumvsGemini 3.5 FlashnoneGemini 3.5 FlashnonevsGPT-5.5mediumGPT-5.5lowvsQwen3.6 Max PreviewmediumGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 PRO PreviewmediumvsGPT-5.5lowSeed-2.0-LitemediumvsGPT-5.5lowGemini 3.5 FlashnonevsQwen3.6 Max PreviewmediumGPT-5.5lowvsQwen3.5 Plus 2026-02-15mediumGemma 4 31Bmedium免费可用vsGPT-5.5lowGemini 3.5 FlashminimalvsGPT-5.5lowGPT-5.5lowvsQwen3.5-27Bmedium