AI BENCHY 对比
Gemini 3 PRO Preview vs xAI: Grok Build 0.1
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Gemini 3 PRO Preview Gemini 3 PRO Preview medium | Grok Build 0.1 Grok Build 0.1 none |
|---|---|---|
| 分数 | 8.1 | 6.6 |
| 排名 | #19 | #82 |
| 可靠性 | 不适用 | 10.0 |
| 一致性 | 10.0 | 8.0 |
| 测试正确 | ||
| 尝试通过率 | 73.7% | 60.4% |
| 不稳定测试 | 0 | 4 |
| 总运行次数 | 60 | 57 |
| 每个结果成本 | 1.406 | 7.805 |
| 总成本 | $0.197 | $0.547 |
| ???? | $0.000 / 1M | $1.000 / 1M |
| ???? | $0.000 / 1M | $2.000 / 1M |
| 输出令牌 | 1,508 | 267,275 |
| 推理令牌 | 10,084 | 0 |
| 响应时间（平均） | 9.06s | 28.69s |
| 响应时间（最大） | 26.24s | 138.35s |
| 响应时间（总计） | 90.58s | 459.00s |
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 PRO Preview | 10.0 | 10.0 | 100.0% | 0 | 14.99s | 149 | 1,485 | |
| Grok Build 0.1 | 8.7 | 7.9 | 91.7% | 1 | 6.30s | 11,162 | 0 |
| 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 PRO Preview | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 21.41s | 16,568 | 0 |
| 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 PRO Preview | 3.0 | 10.0 | 0.0% | 0 | 10.37s | 351 | 952 | |
| Grok Build 0.1 | 0.0 | 0.0 | 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 PRO Preview | 10.0 | 10.0 | 100.0% | 0 | 10.84s | 279 | 3,156 | |
| Grok Build 0.1 | 4.7 | 1.6 | 66.7% | 1 | 9.33s | 6,359 | 0 |
| 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 PRO Preview | 5.3 | 10.0 | 33.3% | 0 | 7.01s | 15 | 1,195 | |
| Grok Build 0.1 | 3.6 | 7.2 | 22.2% | 1 | 103.71s | 179,469 | 0 |
| 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 PRO Preview | 10.0 | 10.0 | 100.0% | 0 | 9.34s | 78 | 374 | |
| Grok Build 0.1 | 4.3 | 10.0 | 0.0% | 0 | 12.47s | 6,647 | 0 |
| 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 PRO Preview | 9.8 | 10.0 | 100.0% | 0 | 3.26s | 69 | 754 | |
| Grok Build 0.1 | 9.8 | 10.0 | 100.0% | 0 | 7.36s | 8,970 | 0 |
| 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 PRO Preview | 10.0 | 10.0 | 100.0% | 0 | 3.91s | 243 | 1,197 | |
| Grok Build 0.1 | 6.4 | 7.7 | 55.6% | 1 | 9.55s | 14,982 | 0 |
| 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 PRO Preview | 10.0 | 10.0 | 100.0% | 0 | 11.96s | 324 | 971 | |
| Grok Build 0.1 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 PRO Preview | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| Grok Build 0.1 | 3.0 | 10.0 | 0.0% | 0 | 36.09s | 23,118 | 0 |
快速对比
切换对比组合
Qwen3.6 27BmediumvsGrok Build 0.1noneDeepSeek V4 ProhighvsGrok Build 0.1noneKimi K2.5mediumvsGrok Build 0.1noneGemini 3.1 Flash LiteminimalvsGrok Build 0.1noneGemini 3 PRO PreviewmediumvsQwen3.7 MaxnoneGPT-5 MinimediumvsGrok Build 0.1noneGrok Build 0.1nonevsMiMo-V2-OmnimediumMercury 2mediumvsGrok Build 0.1noneDeepSeek V3.2mediumvsGrok Build 0.1noneQwen3.5-35B-A3BmediumvsGrok Build 0.1noneSeed-2.0-MinimediumvsGrok Build 0.1noneGrok Build 0.1nonevsMiMo-V2-Flashmedium