AI BENCHY 对比
Google: Gemini 3 Flash Preview vs Grok 4.20 Multi Agent Beta
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-26
| 指标 | Gemini 3 Flash Preview Gemini 3 Flash Preview medium | Grok 4.20 Multi Agent Beta Grok 4.20 Multi Agent Beta medium |
|---|---|---|
| 分数 | 10.0 | 6.4 |
| 排名 | #1 | #67 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 10.0 | 7.4 |
| 测试正确 | ||
| 尝试通过率 | 100.0% | 57.4% |
| 不稳定测试 | 0 | 6 |
| 总运行次数 | 18 | 52 |
| 每个结果成本 | 0.600 | 72.473 |
| 总成本 | $0.108 | $5.074 |
| ???? | $0.500 / 1M | $0.000 / 1M |
| ???? | $3.000 / 1M | $0.000 / 1M |
| 输出令牌 | 655 | 299,034 |
| 推理令牌 | 33,749 | 309,670 |
| 响应时间（平均） | 12.11s | 9.80s |
| 响应时间（最大） | 82.37s | 35.28s |
| 响应时间（总计） | 217.93s | 156.75s |
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 | |
| Grok 4.20 Multi Agent Beta | 6.9 | 5.8 | 75.0% | 2 | 3.46s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 82.37s | 144 | 16,257 | |
| Grok 4.20 Multi Agent Beta | 10.0 | 10.0 | 100.0% | 0 | 27.11s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 23.58s | 117 | 3,495 | |
| Grok 4.20 Multi Agent Beta | 3.0 | 10.0 | 0.0% | 0 | 0ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 7.62s | 93 | 2,197 | |
| Grok 4.20 Multi Agent Beta | 10.0 | 10.0 | 100.0% | 0 | 5.54s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 14.81s | 4 | 7,228 | |
| Grok 4.20 Multi Agent Beta | 2.9 | 7.2 | 11.1% | 1 | 24.67s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 6.34s | 24 | 635 | |
| Grok 4.20 Multi Agent Beta | 5.8 | 2.8 | 66.7% | 1 | 6.40s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 4.30s | 24 | 903 | |
| Grok 4.20 Multi Agent Beta | 8.3 | 10.0 | 50.0% | 0 | 4.63s | 25,457 | 25,322 |
| 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 | |
| Grok 4.20 Multi Agent Beta | 7.2 | 5.1 | 77.8% | 2 | 5.01s | 34,022 | 33,686 |
| 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 | |
| Grok 4.20 Multi Agent Beta | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
Claude Opus 4.7nonevsGemini 3 Flash PreviewmediumGemini 3 Flash PreviewmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsHY3 Previewhigh免费可用Gemini 3 Flash PreviewmediumvsHY3 Previewlow免费可用Gemini 3 Flash PreviewmediumvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsGemini 3 Flash PreviewmediumGemini 3 Flash PreviewmediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6nonevsGemini 3 Flash PreviewmediumDeepSeek V4 ProhighvsGemini 3 Flash PreviewmediumGemini 3 Flash PreviewmediumvsQwen3.5 Plus 2026-02-15noneGemini 3 Flash PreviewmediumvsGPT-5.5noneDeepSeek V4 PrononevsGemini 3 Flash Previewmedium