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 xAI: Grok Build 0.1

摘要

Gemini 3 Flash Preview vs Grok Build 0.1 benchmark 对比：Gemini 3 Flash Preview 平均分领先，为 9.6 vs 7.6。 Gemini 3 Flash Preview benchmark 成本更低，为 $0.667 vs $0.927。 Gemini 3 Flash Preview 更快，为 18.64s vs 49.90s，通过率为 98.4% vs 61.9%。

推荐模型: Gemini 3 Flash Preview - 它在这里得分最高（9.6），同时响应速度比Grok Build 0.1快约 2.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 Gemini 3 Flash Preview Gemini 3 Flash Preview medium 发布日期: 2025-12-17 Grok Build 0.1 Grok Build 0.1 medium 发布日期: 2026-05-21
分数 9.6 7.6
排名 #2 #44
可靠性 10.0 10.0
一致性 9.7 9.9
测试正确
尝试通过率 98.4% 61.9%
不稳定测试 1 0
总运行次数 63 63
每个结果成本 3.335 7.124
总成本 $0.667 $0.927
输入价格 $0.500 / 1M $1.000 / 1M
输出价格 $3.000 / 1M $2.000 / 1M
总输入令牌 37,017 44,418
输出令牌 2,006 2,782
推理令牌 214,153 438,018
响应时间（平均） 18.64s 49.90s
响应时间（最大） 117.26s 252.69s
响应时间（总计） 391.35s 1047.92s

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

#44 xAI: Grok Build 0.1

medium
成本
$0.028
时间
81.3s
令牌
14,009 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 Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
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 Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
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 Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
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 Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
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 Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
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 Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
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 Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
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 Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
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 Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
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 Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

快速对比

切换对比组合

DeepSeek V4 ProhighvsGrok Build 0.1mediumGPT-5.3 ChatnonevsGrok Build 0.1mediumStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Opus 4.8lowvsGrok Build 0.1mediumGemini 3 Flash PreviewlowvsGrok Build 0.1mediumGemini 3 Flash PreviewmediumvsGPT-5.5lowClaude Sonnet 4.6nonevsGrok Build 0.1mediumClaude Opus 4.8nonevsGrok Build 0.1mediumDeepSeek V4 PrononevsGrok Build 0.1mediumQwen3.7 PlusnonevsGrok Build 0.1mediumGrok Build 0.1mediumvsGLM 5.2noneStep 3.7 FlashhighvsGrok Build 0.1medium