- 排名
- #33
- 总输出令牌
- 125,316
- 响应时间（平均）
- 38.97s
- 总成本
- $4.163
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 $1.352。 Claude Opus 4.7 (medium) 最快，为 7.62s。
已对比模型
- 排名
- #56
- 总输出令牌
- 90,466
- 响应时间（平均）
- 22.85s
- 总成本
- $1.560
- 排名
- #22
- 总输出令牌
- 97,238
- 响应时间（平均）
- 20.62s
- 总成本
- $1.352
- 排名
- #49
- 总输出令牌
- 29,990
- 响应时间（平均）
- 7.62s
- 总成本
- $1.476
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 | GPT-5.4 GPT-5.4 medium | Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium | Claude Opus 4.7 Claude Opus 4.7 medium |
|---|---|---|---|---|
| 分数 | 9.0 | 8.5 | 9.2 | 8.7 |
| 排名 | #33 | #56 | #22 | #49 |
| 可靠性 | 10.0 | 10.0 | 10.0 | 10.0 |
| 一致性 | 8.9 | 8.6 | 10.0 | 9.6 |
| 尝试次数 | 66/66 | 66/66 | 66/66 | 66/66 |
| 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 | 23.127 | 10.399 | 6.758 | 8.200 |
| 总成本 | $4.163 | $1.560 | $1.352 | $1.476 |
| 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 | 80,668 | 81,136 | 92,296 | 145,249 |
| 输出令牌 | 5,617 | 6,155 | 5,232 | 24,948 |
| 推理令牌 | 119,699 | 84,311 | 92,006 | 5,042 |
| 响应时间（平均） | 38.97s | 22.85s | 20.62s | 7.62s |
| 响应时间（最大） | 332.10s | 100.41s | 88.68s | 65.40s |
| 响应时间（总计） | 857.43s | 502.78s | 329.94s | 159.94s |
| 参数量 | ~1.5T 总计 (~100B 激活) | ~1.5T 总计 (~100B 激活) | ~1.2T 总计 (~20B 激活) | ~5T 总计 (~500B 激活) |
| 开放状态 | 闭源 | 闭源 | 闭源 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#33 GPT-5.5
medium- 成本
- $0.112
- 时间
- 71.9s
- 令牌
- 3,807 tok
#56 GPT-5.4
medium- 成本
- $0.214
- 时间
- 199.6s
- 令牌
- 14,349 tok
#22 Gemini 3.1 Pro Preview
medium- 成本
- $0.115
- 时间
- 87.2s
- 令牌
- 9,629 tok
#49 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
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.66s | 606 | 250 | 1,335 | |
| GPT-5.4 | 8.3 | 10.0 | 75.0% | 0 | 4.11s | 606 | 240 | 1,511 | |
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 7.90s | 498 | 112 | 3,218 | |
| Claude Opus 4.7 | 8.3 | 10.0 | 75.0% | 0 | 1.85s | 894 | 348 | 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 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 33.52s | 57,466 | 3,944 | 6,735 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 29.77s | 58,038 | 4,214 | 13,351 | |
| Gemini 3.1 Pro Preview | 9.8 | 10.0 | 100.0% | 0 | 40.39s | 67,910 | 3,687 | 23,111 | |
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 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 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.18s | 7,140 | 234 | 593 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.32s | 7,140 | 234 | 804 | |
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 7.72s | 7,265 | 279 | 3,904 | |
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 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 | 测试正确 | 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 | 168.16s | 732 | 67 | 80,505 | |
| GPT-5.4 | 5.3 | 7.2 | 44.4% | 1 | 72.44s | 628 | 61 | 36,544 | |
| Gemini 3.1 Pro Preview | 7.7 | 10.0 | 66.7% | 0 | 20.29s | 644 | 18 | 11,704 | |
| Claude Opus 4.7 | 7.7 | 10.0 | 66.7% | 0 | 1.19s | 627 | 51 | 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 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.36s | 660 | 93 | 538 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 660 | 93 | 897 | |
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 9.56s | 621 | 72 | 2,236 | |
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 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 | 测试正确 | 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 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 10.57s | 5,445 | 258 | 832 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 5,445 | 264 | 1,031 | |
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 23.15s | 6,018 | 274 | 982 | |
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 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 | 测试正确 | 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 4.7mediumvsGLM 5.3 FlashmaxClaude Opus 4.7mediumvsGemini 3.6 FlashlowClaude Opus 5.5highvsGemini 3.1 Pro PreviewmediumClaude Fable 5.1highvsGPT-5.5mediumGPT-5.4mediumvsQwen3.8 MaxlowClaude Opus 5highvsGemini 3.1 Pro PreviewmediumGPT-5.5mediumvsGrok 4.5highClaude Opus 4.7mediumvsMuse Spark 1.2highClaude Opus 4.7mediumvsGemini 3.5 Flash LitehighDeepSeek V4.1 FlashlowvsGPT-5.4mediumDeepSeek V4.1 FlashhighvsGPT-5.4mediumClaude Opus 5.5lowvsGemini 3.1 Pro Previewmedium