AI BENCHY 对比

Google: Gemini 3 Flash Preview vs xAI: Grok 4.3

摘要

Gemini 3 Flash Preview vs Grok 4.3 benchmark 对比：Grok 4.3 平均分领先，为 7.7 vs 6.9。 Gemini 3 Flash Preview benchmark 成本更低，为 $0.025 vs $0.614。 Gemini 3 Flash Preview 更快，为 1.65s vs 47.51s，通过率为 66.7% vs 71.4%。

推荐模型: Gemini 3 Flash Preview - 它提供了最佳整体取舍：得分有竞争力（6.9），成本低于Grok 4.3，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	Gemini 3 Flash Preview Gemini 3 Flash Preview none 发布日期: 2025-12-17	Grok 4.3 Grok 4.3 medium 发布日期: 2026-05-01

指标	Gemini 3 Flash Preview Gemini 3 Flash Preview none 发布日期: 2025-12-17	Grok 4.3 Grok 4.3 medium 发布日期: 2026-05-01
分数	6.9	7.7
排名	#68	#40
可靠性	10.0	10.0
一致性	9.2	8.5
测试正确
尝试通过率	66.7%	71.4%
不稳定测试	2	4
总运行次数	63	63
每个结果成本	0.186	4.724
总成本	$0.025	$0.614
输入价格	$0.500 / 1M	$1.250 / 1M
输出价格	$3.000 / 1M	$2.500 / 1M
总输入令牌	37,011	44,472
输出令牌	1,885	1,981
推理令牌	0	221,382
响应时间（平均）	1.65s	47.51s
响应时间（最大）	3.56s	216.69s
响应时间（总计）	23.07s	997.68s

Generation showcase

Hamster playing table tennis

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

#68 Gemini 3 Flash Preview

none

Cost: $0.003
Time: 5.6s
Tokens: 981 tok

#40 xAI: Grok 4.3

medium

Cost: $0.009
Time: 19.0s
Tokens: 3,661 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	8.3	10.0	75.0%	0		1.25s	498	214	0
Grok 4.3	10.0	10.0	100.0%	0		8.83s	2,010	88	8,207

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	5.5	10.0	33.3%	0		1.80s	8,122	453	0
Grok 4.3	5.9	7.7	44.4%	1		41.23s	8,340	1,028	31,226

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	4.7	1.6	66.7%	1		3.56s	12,862	350	0
Grok 4.3	10.0	10.0	100.0%	0		63.99s	12,909	234	15,301

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		1.41s	7,263	279	0
Grok 4.3	10.0	10.0	100.0%	0		18.97s	7,761	180	9,546

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	7.7	10.0	66.7%	0		963ms	643	18	0
Grok 4.3	5.3	7.2	44.4%	1		181.74s	1,764	14	111,300

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		1.13s	490	104	0
Grok 4.3	5.4	2.5	66.7%	1		24.70s	825	70	5,020

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	6.4	5.8	66.7%	1		1.58s	619	74	0
Grok 4.3	9.8	10.0	100.0%	0		18.58s	1,362	57	8,713

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	7.7	10.0	66.7%	0		1.05s	574	144	0
Grok 4.3	5.9	7.2	55.6%	1		22.52s	1,689	128	14,468

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		3.35s	5,784	234	0
Grok 4.3	10.0	10.0	100.0%	0		17.66s	7,263	168	4,615

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	3.0	10.0	0.0%	0		1.07s	156	15	0
Grok 4.3	3.0	10.0	0.0%	0		44.47s	549	14	12,986

快速对比

切换对比组合