导航
AI BENCHY
Advertise here

AI BENCHY 对比

Google: Gemini 3 Flash Preview vs xAI: Grok 4.5

摘要

Gemini 3 Flash Preview (medium) vs Grok 4.5 (medium) benchmark 对比：Gemini 3 Flash Preview (medium) 平均分领先，为 9.6 vs 8.3。 Gemini 3 Flash Preview (medium) benchmark 成本更低，为 $0.667 vs $1.696。 Gemini 3 Flash Preview (medium) 更快，为 18.64s vs 62.63s，通过率为 98.4% vs 77.8%。

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 (medium)低约 2.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 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 medium 发布日期: 2026-07-08
分数 9.6 8.3
排名 #2 #23
可靠性 10.0 9.9
一致性 9.7 8.9
测试正确
尝试通过率 98.4% 77.8%
不稳定测试 1 3
总运行次数 63 63
每个结果成本 3.335 11.304
总成本 $0.667 $1.696
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 37,017 53,500
输出令牌 2,006 1,621
推理令牌 214,153 263,127
响应时间（平均） 18.64s 62.63s
响应时间（最大） 117.26s 436.38s
响应时间（总计） 391.35s 1315.20s

生成展示

Hamster playing table tennis

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

#2 Gemini 3 Flash Preview

medium
成本
$0.010
时间
17.9s
令牌
3,236 tok

#23 xAI: Grok 4.5

medium
成本
$0.044
时间
59.4s
令牌
7,512 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 4.5 10.0 10.0 100.0% 0 23.50s 2,991 147 4,018
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 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634
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 4.5 10.0 10.0 100.0% 0 15.65s 15,084 261 4,254
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 6.29s 8,937 225 3,657
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 2.9 7.2 11.1% 1 198.89s 2,212 11 121,922
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 6.5 3.4 66.7% 1 12.84s 1,077 71 2,384
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 6.06s 1,857 57 2,728
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 7.75s 2,430 254 3,641
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 6.57s 8,544 192 968
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 74.44s 789 13 14,921

快速对比

切换对比组合

DeepSeek V4 FlashhighvsGrok 4.5mediumGPT-5.2 ChatnonevsGrok 4.5mediumGemini 3 Flash PreviewmediumvsGPT-5.5lowClaude Opus 4.8lowvsGrok 4.5mediumStep 3.7 FlashlowvsGrok 4.5mediumDeepSeek V4 ProhighvsGrok 4.5mediumGPT-5.3 ChatnonevsGrok 4.5mediumGemini 3.5 FlashlowvsGrok 4.5mediumGemini 3 Flash PreviewlowvsGrok 4.5mediumGPT-5.5lowvsGrok 4.5mediumClaude Sonnet 4.6nonevsGrok 4.5mediumClaude Opus 4.8nonevsGrok 4.5medium