Google: Gemini 3.6 Flash vs xAI: Grok 4.5

Gemini 3.6 Flash (medium) 平均分领先，为 9.9 vs 8.9。 Gemini 3.6 Flash (medium) benchmark 成本更低，为 $0.831 vs $1.707。 Gemini 3.6 Flash (medium) 更快，为 10.11s vs 76.50s，通过率为 98.5% vs 83.3%。

推荐模型Gemini 3.6 Flash (medium)它在这里得分最高（9.9），同时成本比Grok 4.5 (high)低约 2.1 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 发布日期: 2026-07-21	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08

指标	Gemini 3.6 Flash Gemini 3.6 Flash medium 发布日期: 2026-07-21	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08
分数	9.9	8.9
排名	#1	#15
可靠性	10.0	10.0
一致性	9.6	9.2
测试正确
尝试通过率	98.5%	83.3%
不稳定测试	1	2
总运行次数	66	66
每个结果成本	3.955	10.041
总成本	$0.831	$1.707
输入价格	$1.500 / 1M	$2.000 / 1M
输出价格	$7.500 / 1M	$6.000 / 1M
总输入令牌	66,293	151,562
输出令牌	2,000	5,655
推理令牌	95,464	247,540
响应时间（平均）	10.11s	76.50s
响应时间（最大）	68.03s	676.83s
响应时间（总计）	222.33s	1683.07s

Hamster playing table tennis

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

#1 Gemini 3.6 Flash

medium

成本: $0.079
时间: 47.9s
令牌: 10,532 tok

#15 xAI: Grok 4.5

high

成本: $0.015
时间: 29.7s
令牌: 2,737 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 3.6 Flash	10.0	10.0	100.0%	0		2.34s	516	149	4,489
Grok 4.5	10.0	10.0	100.0%	0		5.67s	2,991	204	4,545

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
Grok 4.5	10.0	10.0	100.0%	0		155.16s	9,579	357	100,752

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
Grok 4.5	10.0	10.0	100.0%	0		35.56s	113,448	4,299	13,004

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
Grok 4.5	10.0	10.0	100.0%	0		7.63s	8,937	225	3,888

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
Grok 4.5	3.6	7.2	22.2%	1		332.11s	1,910	6	101,850

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
Grok 4.5	4.7	1.6	66.7%	1		9.82s	1,077	83	1,899

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
Grok 4.5	9.8	10.0	100.0%	0		6.23s	1,857	57	3,154

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
Grok 4.5	10.0	10.0	100.0%	0		7.88s	2,430	220	4,312

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
Grok 4.5	10.0	10.0	100.0%	0		5.71s	8,544	192	901

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
Grok 4.5	3.0	10.0	0.0%	0		60.58s	789	12	13,235

快速对比

切换对比组合

GPT-5.3-CodexmediumvsGrok 4.5high Gemini 3.5 FlashlowvsGrok 4.5high GPT-5.5mediumvsGrok 4.5high Claude Opus 4.8mediumvsGrok 4.5high Gemini 3.5 FlashmediumvsGrok 4.5high Qwen3.7 MaxmediumvsGrok 4.5high Claude Opus 4.7mediumvsGrok 4.5high Muse Spark 1.1mediumvsGrok 4.5high Claude Fable 5mediumvsGrok 4.5high Gemini 3.1 Pro PreviewmediumvsGrok 4.5high Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.5lowvsGrok 4.5high