Google: Gemini 3 Flash Preview vs xAI: Grok 4.5

Gemini 3 Flash Preview (medium) 平均分领先，为 9.6 vs 8.9。 Gemini 3 Flash Preview (medium) benchmark 成本更低，为 $0.742 vs $1.707。 Gemini 3 Flash Preview (medium) 更快，为 19.20s vs 76.50s，通过率为 98.5% vs 83.3%。

推荐模型Gemini 3 Flash Preview (medium)它在这里得分最高（9.6），同时成本比Grok 4.5 (high)低约 2.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	Gemini 3 Flash Preview Gemini 3 Flash Preview medium 发布日期: 2025-12-17	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08

指标	Gemini 3 Flash Preview Gemini 3 Flash Preview medium 发布日期: 2025-12-17	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08
分数	9.6	8.9
排名	#1	#12
可靠性	10.0	10.0
一致性	9.7	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	3.533	10.041
总成本	$0.742	$1.707
输入价格	$0.500 / 1M	$2.000 / 1M
输出价格	$3.000 / 1M	$6.000 / 1M
总输入令牌	87,861	151,562
输出令牌	5,486	5,655
推理令牌	227,164	247,540
响应时间（平均）	19.20s	76.50s
响应时间（最大）	117.26s	676.83s
响应时间（总计）	422.42s	1683.07s

Hamster playing table tennis

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

#1 Gemini 3 Flash Preview

medium

成本: $0.010
时间: 18.4s
令牌: 3,351 tok

#12 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 Flash Preview	10.0	10.0	100.0%	0		3.88s	494	330	3,216
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 Flash Preview	8.6	7.6	88.9%	1		84.40s	8,122	462	161,084
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 Flash Preview	10.0	10.0	100.0%	0		26.75s	63,717	3,831	23,496
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 Flash Preview	10.0	10.0	100.0%	0		5.43s	7,548	279	4,893
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 Flash Preview	10.0	10.0	100.0%	0		15.27s	633	12	21,684
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 Flash Preview	10.0	10.0	100.0%	0		5.19s	486	72	1,905
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 Flash Preview	10.0	10.0	100.0%	0		4.04s	615	72	2,709
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 Flash Preview	10.0	10.0	100.0%	0		4.05s	558	183	4,365
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 Flash Preview	10.0	10.0	100.0%	0		12.60s	5,532	234	1,487
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 Flash Preview	10.0	10.0	100.0%	0		5.50s	156	11	2,325
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 Gemini 3 Flash PreviewmediumvsGPT-5.6 Sollow 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 Gemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh Gemini 3 Flash PreviewmediumvsGPT-5.5low Muse Spark 1.1mediumvsGrok 4.5high Claude Fable 5mediumvsGrok 4.5high