导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Google: Gemini 3 Flash Preview vs Grok 4.20 Multi Agent Beta

摘要

Gemini 3 Flash Preview vs Grok 4.20 Multi Agent Beta benchmark 对比：Gemini 3 Flash Preview 平均分领先，为 9.8 vs 6.6。 Gemini 3 Flash Preview benchmark 成本更低，为 $0.667 vs $5.599。 Grok 4.20 Multi Agent Beta 更快，为 9.69s vs 18.64s，通过率为 98.4% vs 59.3%。

推荐模型: Gemini 3 Flash Preview - 它在这里得分最高（9.8），同时成本比Grok 4.20 Multi Agent Beta低约 8.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标 Gemini 3 Flash Preview Gemini 3 Flash Preview medium 发布日期: 2025-12-17 Grok 4.20 Multi Agent Beta Grok 4.20 Multi Agent Beta medium 发布日期: 2026-03-12
分数 9.8 6.6
排名 #1 #85
可靠性 10.0 不适用
一致性 9.7 7.9
测试正确
尝试通过率 98.4% 59.3%
不稳定测试 1 5
总运行次数 63 52
每个结果成本 3.335 62.923
总成本 $0.667 $5.599
输入价格 $0.500 / 1M $4.235 / 1M
输出价格 $3.000 / 1M $4.235 / 1M
总输入令牌 37,017 721,952
输出令牌 2,006 294,668
推理令牌 214,153 305,374
响应时间（平均） 18.64s 9.69s
响应时间（最大） 117.26s 35.28s
响应时间（总计） 391.35s 155.07s

Generation showcase

Hamster playing table tennis

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

#1 Gemini 3 Flash Preview

medium
Cost
$0.010
Time
17.9s
Tokens
3,236 tok

#85 Grok 4.20 Multi Agent Beta

medium
Cost
$0.261
Time
123.4s
Tokens
199,344 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 Flash Preview 10.0 10.0 100.0% 0 3.88s 494 330 3,216
Grok 4.20 Multi Agent Beta 6.9 5.8 75.0% 2 3.46s 90,925 33,706 33,077
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 Flash Preview 8.6 7.6 88.9% 1 84.40s 8,122 462 161,084
Grok 4.20 Multi Agent Beta 10.0 10.0 100.0% 0 27.11s 13,212 86 13,141
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 Flash Preview 10.0 10.0 100.0% 0 22.42s 12,873 351 10,485
Grok 4.20 Multi Agent Beta 3.0 10.0 0.0% 0 0ms 0 0 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） 输入令牌 输出令牌 推理令牌
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 5.43s 7,548 279 4,893
Grok 4.20 Multi Agent Beta 10.0 10.0 100.0% 0 5.54s 97,232 25,306 25,051
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 Flash Preview 10.0 10.0 100.0% 0 15.27s 633 12 21,684
Grok 4.20 Multi Agent Beta 2.9 7.2 11.1% 1 24.67s 328,253 164,609 163,647
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 Flash Preview 10.0 10.0 100.0% 0 5.19s 486 72 1,905
Grok 4.20 Multi Agent Beta 5.8 2.8 66.7% 1 6.40s 41,387 15,848 15,746
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 Flash Preview 10.0 10.0 100.0% 0 4.04s 615 72 2,709
Grok 4.20 Multi Agent Beta 9.8 10.0 100.0% 0 3.52s 43,923 19,752 19,617
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 Flash Preview 10.0 10.0 100.0% 0 4.05s 558 183 4,365
Grok 4.20 Multi Agent Beta 6.7 7.9 55.6% 1 5.19s 107,020 35,361 35,095
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 Flash Preview 10.0 10.0 100.0% 0 12.60s 5,532 234 1,487
Grok 4.20 Multi Agent Beta 3.0 10.0 0.0% 0 0ms 0 0 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） 输入令牌 输出令牌 推理令牌
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 5.50s 156 11 2,325
Grok 4.20 Multi Agent Beta - - - - - - - - -

快速对比

切换对比组合

Gemini 3 Flash PreviewmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsGemini 3 Flash PreviewmediumGemini 3 Flash PreviewmediumvsQwen3.7 MaxnoneGemini 3 Flash PreviewmediumvsStep 3.7 FlashlowGemini 3 Flash PreviewmediumvsGPT-5.3 ChatnoneClaude Opus 4.8nonevsGemini 3 Flash PreviewmediumGemini 3 Flash PreviewmediumvsStep 3.7 FlashhighGemini 3 Flash PreviewmediumvsQwen3.6 Max PreviewnoneClaude Sonnet 4.6nonevsGemini 3 Flash PreviewmediumGemini 3 Flash PreviewmediumvsQwen3.7 PlusnoneGemini 3 Flash PreviewmediumvsGPT-5.5none