AI BENCHY 对比
Google: Gemini 3 Flash Preview vs Elephant Alpha
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-29
| 指标 | Gemini 3 Flash Preview Gemini 3 Flash Preview medium | Elephant Alpha Elephant Alpha none |
|---|---|---|
| 分数 | 9.8 | 5.2 |
| 排名 | #1 | #136 |
| 可靠性 | 10.0 | 不适用 |
| 一致性 | 9.6 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 98.3% | 29.8% |
| 不稳定测试 | 1 | 1 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 2.980 | 0.000 |
| 总成本 | $0.567 | $0.000 |
| 输入价格 | $0.500 / 1M | $0.000 / 1M |
| 输出价格 | $3.000 / 1M | $0.000 / 1M |
| 输出令牌 | 2,000 | 2,573 |
| 推理令牌 | 181,033 | 0 |
| 响应时间（平均） | 16.50s | 1.22s |
| 响应时间（最大） | 117.26s | 3.81s |
| 响应时间（总计） | 330.06s | 22.03s |
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 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 3.88s | 330 | 3,216 | |
| Elephant Alpha | 6.6 | 10.0 | 50.0% | 0 | 963ms | 610 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 7.9 | 6.4 | 83.3% | 1 | 95.96s | 456 | 127,964 | |
| Elephant Alpha | 4.7 | 6.7 | 33.3% | 1 | 1.39s | 375 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 22.42s | 351 | 10,485 | |
| Elephant Alpha | 3.0 | 10.0 | 0.0% | 0 | 3.81s | 731 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 5.43s | 279 | 4,893 | |
| Elephant Alpha | 6.5 | 10.0 | 50.0% | 0 | 1.04s | 246 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 15.27s | 12 | 21,684 | |
| Elephant Alpha | 3.0 | 10.0 | 0.0% | 0 | 927ms | 24 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 5.19s | 72 | 1,905 | |
| Elephant Alpha | 4.0 | 10.0 | 0.0% | 0 | 854ms | 106 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 4.04s | 72 | 2,709 | |
| Elephant Alpha | 9.8 | 10.0 | 100.0% | 0 | 1.03s | 81 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 4.05s | 183 | 4,365 | |
| Elephant Alpha | 4.2 | 10.0 | 0.0% | 0 | 807ms | 170 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 12.60s | 234 | 1,487 | |
| Elephant Alpha | 3.0 | 10.0 | 0.0% | 0 | 2.79s | 230 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 5.50s | 11 | 2,325 | |
| Elephant Alpha | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
MiniMax M2.7mediumvsElephant AlphanoneMistral Small 4mediumvsElephant AlphanoneMiniMax M2.5medium免费可用vsElephant AlphanoneCobuddymediumvsElephant AlphanoneElephant AlphanonevsQwen3 Coder Nextmediumgpt-oss-120bmedium免费可用vsElephant AlphanoneNemotron 3 Supermedium免费可用vsElephant AlphanoneElephant AlphanonevsGLM 4.7 FlashmediumGemini 3 Flash PreviewmediumvsGPT-5.5lowGPT-5 NanomediumvsElephant AlphanoneElephant AlphanonevsQwen3.5-9BmediumMercury 2mediumvsElephant Alphanone