AI BENCHY 对比
Google: Gemini 3 Flash Preview vs Owl Alpha
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-30
| 指标 | Gemini 3 Flash Preview Gemini 3 Flash Preview medium | Owl Alpha Owl Alpha none |
|---|---|---|
| 分数 | 10.0 | 6.0 |
| 排名 | #1 | #87 |
| 可靠性 | 不适用 | 10.0 |
| 一致性 | 10.0 | 9.1 |
| 测试正确 | ||
| 尝试通过率 | 100.0% | 46.3% |
| 不稳定测试 | 0 | 2 |
| 总运行次数 | 18 | 54 |
| 每个结果成本 | 0.600 | 0.000 |
| 总成本 | $0.108 | $0.000 |
| ???? | $0.500 / 1M | $0.000 / 1M |
| ???? | $3.000 / 1M | $0.000 / 1M |
| 输出令牌 | 655 | 1,671 |
| 推理令牌 | 33,749 | 0 |
| 响应时间（平均） | 12.11s | 7.07s |
| 响应时间（最大） | 82.37s | 32.27s |
| 响应时间（总计） | 217.93s | 127.23s |
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 | 3.26s | 110 | 1,076 | |
| Owl Alpha | 3.4 | 7.9 | 16.7% | 1 | 2.78s | 57 | 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 | 10.0 | 10.0 | 100.0% | 0 | 82.37s | 144 | 16,257 | |
| Owl Alpha | 10.0 | 10.0 | 100.0% | 0 | 32.27s | 450 | 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 | 23.58s | 117 | 3,495 | |
| Owl Alpha | 3.0 | 10.0 | 0.0% | 0 | 21.74s | 315 | 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 | 7.62s | 93 | 2,197 | |
| Owl Alpha | 10.0 | 10.0 | 100.0% | 0 | 3.60s | 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 | 14.81s | 4 | 7,228 | |
| Owl Alpha | 5.3 | 10.0 | 33.3% | 0 | 3.00s | 27 | 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 | 6.34s | 24 | 635 | |
| Owl Alpha | 4.3 | 10.0 | 0.0% | 0 | 4.61s | 80 | 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 | 4.30s | 24 | 903 | |
| Owl Alpha | 6.4 | 10.0 | 50.0% | 0 | 2.63s | 63 | 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 | 4.86s | 61 | 1,455 | |
| Owl Alpha | 5.9 | 7.2 | 55.6% | 1 | 4.43s | 202 | 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 | 9.78s | 78 | 503 | |
| Owl Alpha | 10.0 | 10.0 | 100.0% | 0 | 22.78s | 231 | 0 |
快速对比
切换对比组合
gpt-oss-120bmedium免费可用vsOwl AlphanoneOwl AlphanonevsLaguna Xs.2medium免费可用Mistral Small 4mediumvsOwl AlphanoneMiniMax M2.5medium免费可用vsOwl AlphanoneOwl AlphanonevsLaguna M.1medium免费可用GPT-5 NanomediumvsOwl AlphanoneMercury 2mediumvsOwl AlphanoneNemotron 3 Supermedium免费可用vsOwl AlphanoneOwl AlphanonevsGrok 4.1 FastmediumMiniMax M2.7mediumvsOwl AlphanoneNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用vsOwl AlphanoneClaude Opus 4.7nonevsGemini 3 Flash Previewmedium