- 排名
- #222
- 总输出令牌
- 704,170
- 响应时间（平均）
- 85.22s
- 总成本
- $0.000
Ling 3.1 Flash (low) vs Grok 4.20 (medium)
平均分几乎持平，为 6.3 vs 6.3。 Ling 3.1 Flash (low) benchmark 成本更低，为 $0.000 vs $1.246。 Grok 4.20 (medium) 更快，为 36.73s vs 85.22s，通过率为 66.7% vs 58.0%。
已对比模型
- 排名
- #228
- 总输出令牌
- 302,087
- 响应时间（平均）
- 36.73s
- 总成本
- $1.246
推荐模型
Grok 4.20 (medium)
它在这里得分最高（6.3），同时响应速度比Ling 3.1 Flash (low)快约 2.3 倍。
详细对比
| 指标 | Ling 3.1 Flash Ling 3.1 Flash low | Grok 4.20 Grok 4.20 medium |
|---|---|---|
| 分数 | 6.3 | 6.3 |
| 排名 | #222 | #228 |
| 可靠性 | 9.7 | 10.0 |
| 一致性 | 7.8 | 8.2 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 66.7% | 58.0% |
| 不稳定测试 | 6 | 5 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 0.000 | 14.374 |
| 总成本 | $0.000 | $1.246 |
| 输入价格 | $0.000 / 1M | $1.250 / 1M |
| 输出价格 | $0.000 / 1M | $2.500 / 1M |
| 缓存读取价格 | 不适用 | $0.200 / 1M |
| 缓存写入价格 | 不适用 | 不适用 |
| 总输入令牌 | 271,890 | 392,127 |
| 输出令牌 | 190,841 | 7,754 |
| 推理令牌 | 513,329 | 294,333 |
| 响应时间（平均） | 85.22s | 36.73s |
| 响应时间（最大） | 432.81s | 199.66s |
| 响应时间（总计） | 1960.12s | 844.68s |
| 参数量 | 560B 总计 (25B 激活) | ~1T 总计 (~100B 激活) |
| 开放状态 | 闭源 | 闭源 |
缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#222 Ling 3.1 Flash
low- 成本
- $0.000
- 时间
- 133.5s
- 令牌
- 12,950 tok
#228 SpaceXAI: Grok 4.20
medium- 成本
- $0.041
- 时间
- 110.3s
- 令牌
- 16,336 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
| 智能体任务 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| Ling 3.1 Flash | 4.7 | 1.6 | 66.7% | 1 | 101.51s | 148,137 | 12,034 | 14,574 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 128.32s | 289,141 | 1,894 | 29,934 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Ling 3.1 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.16s | 750 | 1,268 | 3,167 | |
| Grok 4.20 | 8.2 | 7.9 | 83.3% | 1 | 3.95s | 2,010 | 287 | 8,312 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Ling 3.1 Flash | 5.6 | 4.2 | 66.7% | 2 | 107.30s | 8,298 | 20,816 | 86,330 | |
| Grok 4.20 | 6.3 | 6.6 | 55.6% | 1 | 109.93s | 8,307 | 268 | 103,150 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Ling 3.1 Flash | 6.6 | 9.1 | 50.0% | 0 | 235.14s | 95,366 | 29,960 | 91,357 | |
| Grok 4.20 | 8.7 | 6.9 | 83.3% | 1 | 42.25s | 71,267 | 3,776 | 44,009 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Ling 3.1 Flash | 10.0 | 10.0 | 100.0% | 0 | 21.83s | 8,016 | 1,507 | 4,078 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 7,761 | 180 | 5,333 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Ling 3.1 Flash | 2.9 | 7.2 | 11.1% | 1 | 274.59s | 837 | 118,155 | 260,533 | |
| Grok 4.20 | 2.9 | 7.2 | 11.1% | 1 | 49.71s | 1,959 | 872 | 59,761 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Ling 3.1 Flash | 3.0 | 10.0 | 0.0% | 0 | 11.47s | 546 | 10 | 2,835 | |
| Grok 4.20 | 3.9 | 2.6 | 33.3% | 1 | 24.48s | 825 | 65 | 6,440 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Ling 3.1 Flash | 9.8 | 10.0 | 100.0% | 0 | 3.82s | 744 | 324 | 1,374 | |
| Grok 4.20 | 9.8 | 10.0 | 100.0% | 0 | 4.26s | 1,362 | 57 | 6,419 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Ling 3.1 Flash | 8.9 | 7.8 | 88.9% | 1 | 32.80s | 747 | 4,505 | 31,642 | |
| Grok 4.20 | 7.7 | 10.0 | 66.7% | 0 | 6.22s | 1,689 | 149 | 7,913 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Ling 3.1 Flash | 4.7 | 1.6 | 66.7% | 1 | 24.17s | 8,221 | 884 | 6,373 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 13.68s | 7,275 | 197 | 6,620 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Ling 3.1 Flash | 3.0 | 10.0 | 0.0% | 0 | 40.69s | 228 | 1,378 | 11,066 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 63.48s | 531 | 9 | 16,442 |
快速对比
切换对比组合
DeepSeek V4 Flash 0423nonevsGrok 4.20mediumLing 3.1 FlashlowvsQwen3.5 Plus 2026-02-15noneLing 3.1 FlashlowvsSolar Pro 4highLing 3.1 FlashlowvsSpace Bunny AlphamediumTrinity Large ThinkinglowvsGrok 4.20mediumDeepSeek V3.2mediumvsLing 3.1 FlashlowSpace Bunny AlphaxhighvsGrok 4.20mediumLing 3.1 FlashlowvsQwen3.6 27BnoneLing 3.1 FlashlowvsQwen3.5-35B-A3BmediumDeepSeek V4 Flash 0423nonevsLing 3.1 FlashlowLing 3.1 FlashlowvsLongCat 2.0noneQwen3.5 Plus 2026-02-15nonevsGrok 4.20medium