已对比模型

GPT-5.5 (medium) vs GPT-5.4 (medium) vs Gemini 3.1 Pro Preview (medium) vs Claude Opus 4.7 (medium) 基准对比: Gemini 3.1 Pro Preview (medium) 在分数上以 9.2 领先。 GPT-5.5 (medium) 在可靠性上以 10.0 领先。 Gemini 3.1 Pro Preview (medium) 的总成本最低，为 $1.361。 Claude Opus 4.7 (medium) 最快，为 7.61s。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-08-07

排名: #15
总输出令牌: 124,436
响应时间（平均）: 38.42s
总成本: $4.137

排名: #29
总输出令牌: 88,670
响应时间（平均）: 23.10s
总成本: $1.533

排名: #9
总输出令牌: 97,958
响应时间（平均）: 21.47s
总成本: $1.361

排名: #23
总输出令牌: 29,990
响应时间（平均）: 7.61s
总成本: $1.477

推荐模型 Gemini 3.1 Pro Preview (medium)

它在这里得分最高（9.2），同时成本比本次比较中的其他模型低约 1.8 倍。

详细对比

指标	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24	GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium 发布日期: 2026-02-19	Claude Opus 4.7 Claude Opus 4.7 medium 发布日期: 2026-04-16

指标	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24	GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium 发布日期: 2026-02-19	Claude Opus 4.7 Claude Opus 4.7 medium 发布日期: 2026-04-16
分数	9.0	8.5	9.2	8.7
排名	#15	#29	#9	#23
可靠性	10.0	10.0	10.0	10.0
一致性	8.9	8.6	10.0	9.6
基准测试覆盖率	22/22 项测试 · 66/66 次尝试	22/22 项测试 · 66/66 次尝试	22/22 项测试 · 66/66 次尝试	22/22 项测试 · 66/66 次尝试
测试正确
尝试通过率	87.9%	77.3%	90.9%	83.3%
不稳定测试	3	4	0	1
总运行次数	66	66	66	66
每个结果成本	22.980	10.220	6.801	8.201
总成本	$4.137	$1.533	$1.361	$1.477
输入价格	$5.000 / 1M	$2.500 / 1M	$2.000 / 1M	$5.000 / 1M
输出价格	$30.000 / 1M	$15.000 / 1M	$12.000 / 1M	$25.000 / 1M
总输入令牌	80,659	81,127	92,287	145,252
输出令牌	5,617	6,155	5,232	24,948
推理令牌	118,819	82,515	92,726	5,042
响应时间（平均）	38.42s	23.10s	21.47s	7.61s
响应时间（最大）	332.10s	100.41s	88.68s	65.40s
响应时间（总计）	845.35s	508.26s	322.08s	159.91s

模型生成展示

Hamster playing table tennis

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

#15 GPT-5.5

medium

成本: $0.112
时间: 71.9s
令牌: 3,807 tok

#29 GPT-5.4

medium

成本: $0.214
时间: 199.6s
令牌: 14,349 tok

#9 Gemini 3.1 Pro Preview

medium

成本: $0.115
时间: 87.2s
令牌: 9,629 tok

#23 Claude Opus 4.7

medium

成本: $0.059
时间: 26.8s
令牌: 2,475 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

类别:

反AI技巧	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	10.0	10.0	100.0%	4.66s	606	250	1,335
GPT-5.4	8.3	10.0	75.0%	4.11s	606	240	1,511
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	7.90s	498	112	3,218
Claude Opus 4.7	8.3	10.0	75.0%	1.85s	894	348	0

编程	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	8.8	7.8	88.9%	1	59.77s	7,305	362	24,959
GPT-5.4	8.8	7.8	88.9%	1	44.36s	7,305	433	24,216
Gemini 3.1 Pro Preview	7.9	9.9	66.7%	0	40.17s	8,124	435	41,247
Claude Opus 4.7	7.6	7.2	77.8%	1	12.96s	10,635	7,629	1,114

综合	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	10.0	10.0	100.0%	33.52s	57,466	3,944	6,735
GPT-5.4	10.0	10.0	100.0%	29.77s	58,038	4,214	13,351
Gemini 3.1 Pro Preview	9.8	10.0	100.0%	40.39s	67,910	3,687	23,111
Claude Opus 4.7	10.0	10.0	100.0%	43.42s	104,347	15,459	3,928

数据解析与提取	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	10.0	10.0	100.0%	4.18s	7,140	234	593
GPT-5.4	10.0	10.0	100.0%	5.32s	7,140	234	804
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	7.72s	7,265	279	3,904
Claude Opus 4.7	10.0	10.0	100.0%	2.37s	10,533	324	0

领域专项	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	5.3	7.2	44.4%	1	164.14s	723	67	79,625
GPT-5.4	5.3	7.2	44.4%	1	74.27s	619	61	34,748
Gemini 3.1 Pro Preview	7.7	10.0	66.7%	0	32.73s	635	18	12,424
Claude Opus 4.7	7.7	10.0	66.7%	0	1.17s	630	51	0

通用智能	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	10.0	10.0	100.0%	0	4.16s	477	138	223
GPT-5.4	4.7	3.1	33.3%	1	4.92s	477	145	321
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	11.77s	490	108	1,179
Claude Opus 4.7	10.0	10.0	100.0%	0	2.87s	723	256	0

指令遵循	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	10.0	10.0	100.0%	3.36s	660	93	538
GPT-5.4	10.0	10.0	100.0%	3.11s	660	93	897
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	9.56s	621	72	2,236
Claude Opus 4.7	10.0	10.0	100.0%	1.57s	939	114	0

谜题求解	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	10.0	10.0	100.0%	0	6.76s	642	241	2,225
GPT-5.4	8.2	7.2	88.9%	1	9.14s	642	441	3,815
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.90s	570	235	3,128
Claude Opus 4.7	10.0	10.0	100.0%	0	2.43s	939	370	0

工具调用	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	10.0	10.0	100.0%	10.57s	5,445	258	832
GPT-5.4	10.0	10.0	100.0%	13.28s	5,445	264	1,031
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	23.15s	6,018	274	982
Claude Opus 4.7	10.0	10.0	100.0%	4.17s	15,339	373	0

常识问答	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	2.8	1.6	33.3%	1	37.86s	195	30	1,754
GPT-5.4	3.0	10.0	0.0%	0	13.95s	195	30	1,821
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.27s	156	12	1,297
Claude Opus 4.7	3.0	10.0	0.0%	0	2.25s	273	24	0

快速对比

切换对比组合

Claude Opus 5highvsGemini 3.1 Pro Previewmedium Claude Opus 4.7mediumvsGemini 3.6 Flashlow Claude Opus 4.7mediumvsQwen3.8 Maxlow Claude Opus 4.7mediumvsGemini 3.5 Flash Litehigh Gemini 3.5 FlashlowvsGPT-5.5medium Claude Opus 4.7mediumvsMuse Spark 1.2high GPT-5.5mediumvsGrok 4.5high Claude Opus 5lowvsGPT-5.4medium Muse Spark 1.2lowvsGPT-5.4medium Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Gemini 3.1 Pro PreviewmediumvsGPT-5.6 Solhigh GPT-5.4mediumvsGrok 4.5low