导航
AI BENCHY
Your ad here

AI BENCHY 对比

已对比模型

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-29

指标 Grok 4.20 Beta Grok 4.20 Beta medium 发布日期: 2026-03-12 Grok 4.20 Multi Agent Beta Grok 4.20 Multi Agent Beta medium 发布日期: 2026-03-12 Grok 4.1 Fast Grok 4.1 Fast medium 发布日期: 2025-11-19 Gemini 3 Flash Preview Gemini 3 Flash Preview medium 发布日期: 2025-12-17
分数 8.0 6.4 6.7 10.0
排名 #35 #72 #68 #1
可靠性 不适用 不适用 不适用 不适用
一致性 9.1 7.4 7.2 10.0
测试正确
尝试通过率 74.1% 57.4% 64.8% 100.0%
不稳定测试 2 6 6 0
总运行次数 52 52 54 18
每个结果成本 5.269 72.473 0.613 0.600
总成本 $0.633 $5.074 $0.056 $0.108
???? $0.000 / 1M $0.000 / 1M $0.200 / 1M $0.500 / 1M
???? $0.000 / 1M $0.000 / 1M $0.500 / 1M $3.000 / 1M
输出令牌 1,568 299,034 2,010 655
推理令牌 91,909 309,670 91,298 33,749
响应时间（平均） 9.81s 9.80s 23.88s 12.11s
响应时间（最大） 31.36s 35.28s 121.79s 82.37s
响应时间（总计） 176.62s 156.75s 262.66s 217.93s

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） 输出令牌 推理令牌
Grok 4.20 Beta 8.7 7.9 91.7% 1 3.16s 268 7,583
Grok 4.20 Multi Agent Beta 6.9 5.8 75.0% 2 3.46s 33,706 33,077
Grok 4.1 Fast 8.7 7.9 91.7% 1 3.81s 108 4,741
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 3.26s 110 1,076
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
Grok 4.20 Beta 10.0 10.0 100.0% 0 31.36s 81 3,987
Grok 4.20 Multi Agent Beta 10.0 10.0 100.0% 0 27.11s 86 13,141
Grok 4.1 Fast 2.3 1.1 33.3% 1 23.58s 821 6,703
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 82.37s 144 16,257
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
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 227 12,212
Grok 4.20 Multi Agent Beta 3.0 10.0 0.0% 0 0ms 0 0
Grok 4.1 Fast 10.0 10.0 100.0% 0 37.64s 261 12,272
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 23.58s 117 3,495
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
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.01s 180 5,281
Grok 4.20 Multi Agent Beta 10.0 10.0 100.0% 0 5.54s 25,306 25,051
Grok 4.1 Fast 10.0 10.0 100.0% 0 6.63s 180 5,409
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 7.62s 93 2,197
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
Grok 4.20 Beta 5.3 10.0 33.3% 0 21.33s 251 40,255
Grok 4.20 Multi Agent Beta 2.9 7.2 11.1% 1 24.67s 164,609 163,647
Grok 4.1 Fast 5.8 4.4 66.7% 2 121.79s 11 37,657
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 14.81s 4 7,228
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
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 72 3,440
Grok 4.20 Multi Agent Beta 5.8 2.8 66.7% 1 6.40s 15,848 15,746
Grok 4.1 Fast 4.2 9.9 0.0% 0 16.25s 127 3,456
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 6.34s 24 635
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
Grok 4.20 Beta 8.3 10.0 50.0% 0 4.97s 57 7,107
Grok 4.20 Multi Agent Beta 8.3 10.0 50.0% 0 4.63s 25,457 25,322
Grok 4.1 Fast 6.6 10.0 50.0% 0 5.30s 55 3,489
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 4.30s 24 903
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
Grok 4.20 Beta 8.2 7.2 88.9% 1 3.85s 249 6,660
Grok 4.20 Multi Agent Beta 7.2 5.1 77.8% 2 5.01s 34,022 33,686
Grok 4.1 Fast 5.3 7.2 44.4% 1 8.08s 187 6,086
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 4.86s 61 1,455
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
Grok 4.20 Beta 3.0 10.0 0.0% 0 12.39s 183 5,384
Grok 4.20 Multi Agent Beta 3.0 10.0 0.0% 0 0ms 0 0
Grok 4.1 Fast 2.8 1.6 33.3% 1 27.71s 260 11,485
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 9.78s 78 503

快速对比

切换对比组合

Grok 4.1 FastmediumvsGLM 5noneGPT-5.5nonevsGrok 4.1 FastmediumQwen3.5 Plus 2026-02-15nonevsGrok 4.1 FastmediumGrok 4.1 FastmediumvsMiMo-V2-OmninoneGemma 4 31Bnone免费可用vsGrok 4.1 FastmediumDeepSeek V4 ProhighvsGrok 4.1 FastmediumGrok 4.1 FastmediumvsGLM 5V TurbononeQwen3.5-FlashnonevsGrok 4.1 FastmediumGemma 4 26B A4Bnone免费可用vsGrok 4.1 FastmediumSeed-2.0-LitenonevsGrok 4.1 FastmediumGemini 2.5 FlashnonevsGrok 4.1 FastmediumQwen3.5-35B-A3BnonevsGrok 4.1 Fastmedium