#1 Gemini 3.6 Flash
medium- 成本
- $0.079
- 时间
- 47.9s
- 令牌
- 10,532 tok
Google: Gemini 3.6 Flash vs OpenAI: GPT-5.4
Gemini 3.6 Flash (medium) 平均分领先，为 9.9 vs 8.5。 Gemini 3.6 Flash (medium) benchmark 成本更低，为 $0.831 vs $1.533。 Gemini 3.6 Flash (medium) 更快，为 10.11s vs 23.10s，通过率为 98.5% vs 77.3%。
推荐模型Gemini 3.6 Flash (medium)它在这里得分最高（9.9），同时成本比GPT-5.4 (medium)低约 1.8 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-21
| 指标 | Gemini 3.6 Flash Gemini 3.6 Flash medium | GPT-5.4 GPT-5.4 medium |
|---|---|---|
| 分数 | 9.9 | 8.5 |
| 排名 | #1 | #21 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.6 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 98.5% | 77.3% |
| 不稳定测试 | 1 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 3.955 | 10.220 |
| 总成本 | $0.831 | $1.533 |
| 输入价格 | $1.500 / 1M | $2.500 / 1M |
| 输出价格 | $7.500 / 1M | $15.000 / 1M |
| 总输入令牌 | 66,293 | 81,127 |
| 输出令牌 | 2,000 | 6,155 |
| 推理令牌 | 95,464 | 82,515 |
| 响应时间（平均） | 10.11s | 23.10s |
| 响应时间（最大） | 68.03s | 100.41s |
| 响应时间（总计） | 222.33s | 508.26s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#21 GPT-5.4
medium- 成本
- $0.214
- 时间
- 199.6s
- 令牌
- 14,349 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 3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.34s | 516 | 149 | 4,489 | |
| GPT-5.4 | 8.3 | 10.0 | 75.0% | 0 | 4.11s | 606 | 240 | 1,511 |
| 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 3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 17.49s | 8,136 | 474 | 40,157 | |
| GPT-5.4 | 8.8 | 7.8 | 88.9% | 1 | 44.36s | 7,305 | 433 | 24,216 |
| 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 3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 42.07s | 41,732 | 405 | 11,531 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 29.77s | 58,038 | 4,214 | 13,351 |
| 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 3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.26s | 7,269 | 279 | 5,020 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.32s | 7,140 | 234 | 804 |
| 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 3.6 Flash | 8.2 | 7.2 | 88.9% | 1 | 12.59s | 651 | 12 | 20,611 | |
| GPT-5.4 | 5.3 | 7.2 | 44.4% | 1 | 74.27s | 619 | 61 | 34,748 |
| 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 3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.32s | 492 | 116 | 1,539 | |
| GPT-5.4 | 4.7 | 3.1 | 33.3% | 1 | 4.92s | 477 | 145 | 321 |
| 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 3.6 Flash | 9.9 | 10.0 | 100.0% | 0 | 2.77s | 627 | 71 | 3,067 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 660 | 93 | 897 |
| 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 3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.53s | 576 | 259 | 3,373 | |
| GPT-5.4 | 8.2 | 7.2 | 88.9% | 1 | 9.14s | 642 | 441 | 3,815 |
| 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 3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 8.55s | 6,132 | 225 | 3,020 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 5,445 | 264 | 1,031 |
| 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 3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 5.09s | 162 | 10 | 2,657 | |
| GPT-5.4 | 3.0 | 10.0 | 0.0% | 0 | 13.95s | 195 | 30 | 1,821 |
快速对比
切换对比组合
GPT-5.4mediumvsGrok 4.5lowMuse Spark 1.1lowvsGPT-5.4mediumGemini 3.6 FlashmediumvsGPT-5.6 SollowGPT-5.4mediumvsGrok 4.5highGemini 3.5 FlashlowvsGPT-5.4mediumMuse Spark 1.1highvsGPT-5.4mediumGemini 3.5 Flash-LitehighvsGPT-5.4mediumGPT-5.4mediumvsInklinghighGPT-5.4mediumvsGLM 5.2highGemini 3.6 FlashmediumvsGPT-5.6 SolhighGemini 3.6 FlashmediumvsGPT-5.5lowKimi K3maxvsGPT-5.4medium