AI BENCHY 对比
Google: Gemma 4 26B A4B vs OpenAI: GPT-5.5
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-19
| 指标 | Gemma 4 26B A4B Gemma 4 26B A4B medium 免费可用 | GPT-5.5 GPT-5.5 none |
|---|---|---|
| 分数 | 7.7 | 6.7 |
| 排名 | #43 | #79 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.7 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 73.7% | 59.7% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.260 | 1.961 |
| 总成本 | $0.034 | $0.197 |
| ???? | $0.060 / 1M | $5.000 / 1M |
| ???? | $0.330 / 1M | $30.000 / 1M |
| 输出令牌 | 16,725 | 1,928 |
| 推理令牌 | 61,536 | 0 |
| 响应时间（平均） | 33.69s | 1.99s |
| 响应时间（最大） | 180.87s | 5.56s |
| 响应时间（总计） | 606.35s | 37.87s |
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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 26B A4B | 10.0 | 10.0 | 100.0% | 0 | 6.20s | 1,142 | 3,045 | |
| GPT-5.5 | 6.9 | 7.9 | 66.7% | 1 | 1.31s | 213 | 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 26B A4B | 2.8 | 10.0 | 0.0% | 0 | 147.47s | 3,516 | 4,676 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 2.05s | 426 | 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 26B A4B | 9.6 | 10.0 | 100.0% | 0 | 73.55s | 5,415 | 13,112 | |
| GPT-5.5 | 3.0 | 10.0 | 0.0% | 0 | 5.56s | 300 | 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 26B A4B | 10.0 | 10.0 | 100.0% | 0 | 16.51s | 1,567 | 2,827 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 1.18s | 222 | 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 26B A4B | 2.9 | 4.4 | 22.2% | 2 | 23.62s | 2,469 | 7,105 | |
| GPT-5.5 | 2.9 | 7.2 | 11.1% | 1 | 1.31s | 52 | 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 26B A4B | 10.0 | 10.0 | 100.0% | 0 | 29.76s | 25 | 5,075 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.41s | 124 | 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 26B A4B | 10.0 | 10.0 | 100.0% | 0 | 17.54s | 887 | 4,470 | |
| GPT-5.5 | 6.2 | 5.8 | 66.7% | 1 | 1.15s | 81 | 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 26B A4B | 7.7 | 7.3 | 77.8% | 1 | 8.52s | 457 | 3,065 | |
| GPT-5.5 | 7.7 | 10.0 | 66.7% | 0 | 1.36s | 245 | 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 26B A4B | 10.0 | 10.0 | 100.0% | 0 | 9.01s | 450 | 1,256 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.90s | 247 | 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 26B A4B | 3.0 | 10.0 | 0.0% | 0 | 180.87s | 797 | 16,905 | |
| GPT-5.5 | 3.0 | 10.0 | 0.0% | 0 | 5.01s | 18 | 0 |
快速对比
切换对比组合
GPT-5.5nonevsQwen3.6 27BmediumGemma 4 26B A4Bmedium免费可用vsGPT-5.2 ChatnoneKimi K2.5mediumvsGPT-5.5noneGemini 3.1 Flash LiteminimalvsGPT-5.5noneGemma 4 26B A4Bmedium免费可用vsGPT-5.3 ChatnoneGPT-5.5nonevsGrok 4.20mediumDeepSeek V4 ProhighvsGPT-5.5noneDeepSeek V4 Flashhigh免费可用vsGemma 4 26B A4Bmedium免费可用GPT-5.5nonevsGrok 4.1 FastmediumMercury 2mediumvsGPT-5.5noneGPT-5.5nonevsMiMo-V2-OmnimediumGemma 4 26B A4Bmedium免费可用vsQwen3.6 Max Previewnone