展开本页目录
开始前准备什么
- 先确定任务、允许输入和验收条件，再核对当前模型目录中的准确 ID 与协议。
- 平台目录可见不等于测试 Key 有权限；公开最低报价也不等于账号实扣。
- 下载虚构任务材料，保持各候选输入一致；真实数据应先脱敏。
- 确定任务
- 选同档候选
- 固定样本
- 核对结果与费用
- 生成接入配置
本批离线夹具与空记录模板，不包含新增模型成绩或 API Key。代码候选先人工检查，再在隔离环境验收。
比较的是文字任务，不把多模态宣传分数拼进来
本页选择 Sol 与 Gemini 3.8 Flash 的主力定位。两款是否支持某类图片、音频或内置搜索，应按当前官方型号页、客户端和 apizt 通道分别核对；本轮没有发送这些素材。
| 维度 | GPT-6.1 Sol | Gemini 3.8 Flash |
|---|---|---|
| 准确 ID | gpt-6.1-sol | gemini-3.8-flash |
| 本次协议 | Responses | 官方 Chat 兼容形式经网关 |
| 请求的推理档位 | reasoning.effort=medium | reasoning_effort=medium |
| 视觉、搜索、音频 | 本轮未测 | 本轮未测 |
- 维度
- 准确 ID
- GPT-6.1 Sol
- gpt-6.1-sol
- Gemini 3.8 Flash
- gemini-3.8-flash
- 维度
- 本次协议
- GPT-6.1 Sol
- Responses
- Gemini 3.8 Flash
- 官方 Chat 兼容形式经网关
- 维度
- 请求的推理档位
- GPT-6.1 Sol
- reasoning.effort=medium
- Gemini 3.8 Flash
- reasoning_effort=medium
- 维度
- 视觉、搜索、音频
- GPT-6.1 Sol
- 本轮未测
- Gemini 3.8 Flash
- 本轮未测
已有记录能说明什么？
两款都来自 2026-10-09 的同一均衡主力测试：中文 JSON 抽取、给定资料问答、工具提案参数，各三份不同输入。这里引用已有记录，没有为这个页面另跑一次。样本太短，无法得出复杂编程或长期稳定性的胜负。
| 请求型号 | 这九份短任务 | 完整 HTTP 请求中位数 | 实际扣费 |
|---|---|---|---|
| gpt-6.1-sol | 9 / 9 项短任务达标 | 6.14 秒 | 未匹配控制台，保持未知 |
| gemini-3.8-flash | 9 / 9 项短任务达标 | 8.60 秒 | 未匹配控制台，保持未知 |
- 请求型号
- gpt-6.1-sol
- 这九份短任务
- 9 / 9 项短任务达标
- 完整 HTTP 请求中位数
- 6.14 秒
- 实际扣费
- 未匹配控制台，保持未知
- 请求型号
- gemini-3.8-flash
- 这九份短任务
- 9 / 9 项短任务达标
- 完整 HTTP 请求中位数
- 8.60 秒
- 实际扣费
- 未匹配控制台，保持未知
本站绘制的内容说明图：本页引用同一九题文字测试；视觉、搜索、音频均未在这组请求验证，时间不是普适速度排名。
把推理预算和有效输出同时留下
本轮请求 4096 Token 生成上限，目的在于限制短任务预算；思考可能占用生成空间。HTTP 200 不代表预算字段已被当前网关完整透传，也不代表回答完成。
Gemini 的原生接口、Interactions 与 OpenAI 兼容接口有不同字段。不要把一个接口的 thoughts 或 completion 字段强行用于另一个协议，也不要用更多思考 Token 推断更聪明。
本站绘制的内容说明图：预算是可追溯请求设置，不是已验证的等算力或参数透传证据。
需要图片或长文时，换成对应的共同素材
一段短 JSON 并不能代表图片表格识别、长文引用或跨文件修复。先固定同一原图、原文或仓库，再检查输入是否被服务接受、结果是否满足验收，而不是将厂商各自的不同榜单合成一个本站分数。
从一个固定任务开始试用
使用下载材料中的一个任务，两个候选收到完全相同的输入。先锁定样本、输出要求和是否允许工具；模型返回后由同一个校验器检查。若更换提示词、切换协议或增加预算，另建配置版本。
- JSON 必须可解析，字段类型和事实逐项一致。
- 截断、空答案和未知完成状态单独记录，不把 HTTP 200 当达标。
- 达到一次请求的要求后，再验证流式、客户端工具回合和实际账单。
中文字段提取任务
只用这条资料输出 JSON，不增加解释：
订单 00128；数量 3 件；单价 29.90 元；收货日期未提供。
字段 order_id(string)、quantity(integer)、unit_price(string)、delivery_date(string|null)。
保留前导零，金额保留两位小数，不推测日期。怎样确认已经完成
- 型号、协议、参数、样本和测试版本都有记录，不混入其他档次的结果。
- 成功、失败、截断与未知请求分别保留；未完成任务不算达标。
- 实际费用与控制台逐次匹配，缺失保持未知；通过短任务以后再验收完整应用流程。
常见问题
Flash 的最低公开价格低，完整任务就更便宜吗？
不能这样推断。有效输出长度、思考、缓存、失败和重试影响总费用；本轮实扣未匹配控制台。只比较逐次已确认账单，缺失保留未知。
Gemini 支持 Chat 兼容，是不是所有 OpenAI 功能都兼容？
不是。最小文字请求、流式、工具回传、结构化输出和多模态都应分别验证。工具提案通过不等于完整 Agent 可运行。