Head-to-Head Model Comparison

Gemini 3.5 Flash-Lite vs Grok 4.6

Benchmarks, API Token Pricing, Context Window & Speed Comparison

Vérifié par l’équipe de recherche de GetInfoUsDernière révision : October 2026Politique éditoriale

Changez et Comparez les Modèles

Select any AI models from our verified benchmark database to generate live side-by-side matrices.

Gemini 3.5 Flash-LiteProfile

Grok 4.6Profile

Multi-Model Arena Stack:

5-Model Matrix Workbench

Popular Matchups:

Google

Gemini 3.5 Flash-Lite

Inférence Ultra-Rapide

Gemini 3.5 Flash-Lite de Google est un modèle d’IA conçu pour les applications en temps réel à très faible latence et le routage à haut débit, offrant une fenêtre de contexte de 1.0M, une vitesse de 240 tokens/s, un indice d’intelligence de

Intelligence Index69 / 100

Input Token:

$0.40 / 1M

Output Token:

$2.00 / 1M

Context Window:

1.05M tokens

SWE-bench Verified:

N/A

xAI

Grok 4.6

Modèle Phare de Pointe

Grok 4.6 de xAI est un modèle d’IA conçu pour le raisonnement d’entreprise de pointe, l’ingénierie logicielle et la production IA, offrant une fenêtre de contexte de 500K, une vitesse de 115 tokens/s, un indice d’intelligence de 77/100 et u

Intelligence Index77 / 100

Input Token:

$2.00 / 1M

Output Token:

$6.00 / 1M

Context Window:

500K tokens

SWE-bench Verified:

75.8%

Différences Clés en un Coup d’Œil

Gemini 3.5 Flash-Lite is 3.6x cheaper for API usage (input + output tokens combined).
Gemini 3.5 Flash-Lite has a larger context window (1M vs 500K tokens).
Gemini 3.5 Flash-Lite is faster at 240 tok/s vs 115 tok/s.

Need definitions for token pricing, context, or benchmarks?Explore AI Glossary →

Caractéristique	Gemini 3.5 Flash-Lite	Grok 4.6
Intelligence Index Composite reasoning & knowledge score (0-100)	69	77
Provider	Google	xAI
Input Price Cost per million input tokens	$0.40 / 1M	$2.00 / 1M
Output Price Cost per million output tokens	$2.00 / 1M	$6.00 / 1M
Blended Price Weighted 7:2:1 cache:input:output per 1M	$0.35 / 1M	$1.35 / 1M
Context Window Maximum input + output tokens	1.05M tokens~1,573 A4 pages of text	500K tokens~750 A4 pages of text
Max Output Tokens Per single request	33K	66K
Throughput Speed Tokens generated per second	240 tok/s	115 tok/s
SWE-bench Verified Real-world software engineering	N/A	75.8%
GPQA Diamond Graduate-level reasoning	N/A	77.2%
Cached Input Price Prompt caching discount per 1M tokens	$0.10 / 1M	$0.50 / 1M

Qui gagne où ?

At-a-glance decision framework

Code

Evaluations ongoing

Coût

Gemini 3.5 Flash-Lite

3.6x cheaper monthly runtime

Vitesse

Gemini 3.5 Flash-Lite

+109% faster generation

Contexte

Gemini 3.5 Flash-Lite

1.05M tokens window

Scores de Benchmarks Vérifiés

Official evaluation metrics verified by independent third-party research labs.

Gemini 3.5 Flash-LiteGrok 4.6

SWE-bench Verified (Autonomous Coding)

Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.

N/Avs75.8%

GPQA Diamond (Doctorate-Level Science & Math)

Challenging questions created by domain experts to test complex PhD-level reasoning.

N/Avs77.2%

MMLU-Pro (Multi-task Language Understanding)

Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.

81.2%vs88%

LMSYS Chatbot Arena Elo

Crowdsourced human preference evaluation based on blind, head-to-head model battles.

1375ptsvs1450pts

Humanity's Last Exam (Frontier Expert Knowledge)

Extremely difficult, closed-ended questions spanning the frontier of human expert knowledge.

N/Avs14.8%

Terminal-Bench (Agentic Coding & Terminal Use)

Autonomous multi-step tasks executed inside a real command-line terminal environment.

N/Avs51%

SciCode (Scientific Computing)

Research-grade coding problems drawn from real scientific and numerical workloads.

N/Avs49.2%

LiveCodeBench (Competitive Coding)

Contamination-free competitive programming problems collected continuously over time.

N/Avs75%

AIME (Advanced Math Competition)

American Invitational Mathematics Examination — multi-step Olympiad-level reasoning.

N/Avs89.5%

Long-Context Reasoning

Accuracy when reasoning over very large inputs that fill the model context window.

N/Avs89%

Generation Speed (Throughput)

Tokens emitted per second during active generation streaming.

240 tok/s vs115 tok/s

Latence et Temps de Réponse

Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.

Time to First Token (TTFT)Lower is better

Gemini 3.5 Flash-Lite0.29s

Grok 4.60.58s

Est. End-to-End Response (500 tokens)TTFT + generation time

Gemini 3.5 Flash-Lite2.37s

Grok 4.64.93s

Simulateur Interactif de Coût de Tokens

Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.

Daily Input Tokens100K / day

10K500K1M

Daily Output Tokens30K / day

5K150K300K

Prompt Cache Hit Ratio50% cached

0% (Cold)50%90% (Warm)

Gemini 3.5 Flash-Lite Monthly API Bill

$2.55 / month

$0.4/1M in · $2/1M out

Grok 4.6 Monthly API Bill

$9.15 / month

$2/1M in · $6/1M out

Gemini 3.5 Flash-Lite saves approximately $6.60 / month (72%) under this workload.3.6x Savings

Gemini 3.5 Flash-Lite · Strengths & Key Advantages

Fenêtre de contexte de 1.0M et capacité de sortie maximale de 33K tokens (MMLU-Pro 81.2% · Arena Elo 1375)
Débit rapide de 240 tokens/seconde avec une latence au premier token (TTFT) de 290 ms
Tarification API optimisée ($0.4/$2 par million de tokens) avec prise en charge du cache de prompts et des schémas JSON stricts

Considerations & Trade-offs

Modèle cloud propriétaire ne permettant pas le téléchargement local des poids sur serveur isolé
Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs

Grok 4.6 · Strengths & Key Advantages

Fenêtre de contexte de 500K et capacité de sortie maximale de 66K tokens (SWE-bench Verified 75.8% · GPQA Diamond 77.2%)
Débit rapide de 115 tokens/seconde avec une latence au premier token (TTFT) de 580 ms
Tarification API optimisée ($2/$6 par million de tokens) avec prise en charge du cache de prompts et des schémas JSON stricts

Considerations & Trade-offs

Modèle cloud propriétaire ne permettant pas le téléchargement local des poids sur serveur isolé
Pour les charges à très fort volume, l’activation du cache de prompts et de l’API Batch est recommandée

Token Use & Task Economics

Estimated cost and token consumption to complete one representative agentic task.

Metric	Gemini 3.5 Flash-Lite	Grok 4.6
Cost per Task Estimated USD to finish one task	$0.55	$0.65
Output Tokens / Task Tokens generated per task	18K	45K
Reasoning Tokens / Task Thinking tokens burned per task	7K	22K

Spécifications Techniques

Architecture, release timeline, capabilities, and modalities.

Caractéristique	Gemini 3.5 Flash-Lite	Grok 4.6
Official API Model ID (SDK)	models/gemini-3-5-flash-lite	grok-4-6-latest
API Protocol	Google Gemini API (generateContent) + OpenAI-Compatible SDK	xAI REST API (OpenAI-Compatible)
Release Date	2026-07	2026-08
Knowledge Cutoff	March 2026	April 2026
Architecture	Lightweight efficient multimodal transformer	1.5T Colossus Sparse MoE
Parameters	Confidential	1.5T (MoE)
Enterprise Rate Limits (RPM / TPM)	10,000 – 30,000 RPM (Tier 5 Enterprise) · 4,000,000 – 10,000,000 TPM	5,000 – 15,000 RPM (Production Tier) · 800,000 – 2,000,000 TPM
Long-Context Tier (>128K/200K)	Standard rate up to 200K tokens; 2x input/output tier above 200K tokens	Flat rate ($2/1M in) across full 500K window
Prompt Cache Policy & TTL	Implicit + Explicit Context Caching at $0.1/1M with configurable TTL	Cached input at $0.5/1M tokens
Computer Use / GUI Agent	Supported (Screen coordinate grounding, browser & desktop GUI action loops)	API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop)
MCP & Parallel Tool Calling	Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema	Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema
Web Search Grounding & Sandbox	Built-in Google Search Grounding + Managed Python Code Execution Sandbox	Real-time Web & X (Twitter) Search Grounding + Code Execution
Official Fine-Tuning Support	Vertex AI Supervised Adapter Tuning & Context Distillation	API Prompt Engineering & RAG Distillation
Multimodal Token Billing	Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile)	Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile)
Quantization & Min GPU VRAM	Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API)	Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API)
Safety & Frontier Classification	Google DeepMind Frontier Safety Framework Verified	xAI Production Safety & Alignment Verified
Enterprise Compliance (ZDR/HIPAA/SOC2)	SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier	SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier
Input Modalities	text, vision	text, vision
Output Modalities	text	text

Gemini 3.5 Flash-Lite vs Grok 4.6: Réponses Rapides (FAQ)

Which is more intelligent, Gemini 3.5 Flash-Lite or Grok 4.6?

Grok 4.6 is more intelligent. It scores 77 compared with 69 on the composite Intelligence Index.

Which model is faster?

Gemini 3.5 Flash-Lite is faster, generating 240 tokens per second compared with 115 tokens per second.

Which model is cheaper to run?

Gemini 3.5 Flash-Lite is cheaper at $0.35 per 1M tokens blended, compared with $1.35 (7:2:1 cache:input:output ratio).

Which model has lower latency?

Gemini 3.5 Flash-Lite has lower latency, with a time to first token of 0.29s compared with 0.58s.

Which model has a larger context window?

Gemini 3.5 Flash-Lite has a larger context window, supporting 1.05M tokens compared with 500K tokens.

Verdict

Gemini 3.5 Flash-Lite (Conçu pour les applications en temps réel à très faible latence et le routage à haut débit, l’intégration RAG et les pipelines de production évolutifs.) et Grok 4.6 (Conçu pour le raisonnement d’entreprise de pointe, l’ingénierie logicielle et la production IA, l’intégration RAG et les pipelines de production évolutifs.) répondent à des besoins complémentaires : Grok 4.6 domine sur les benchmarks de raisonnement et de programmation, Gemini 3.5 Flash-Lite assure un débit supérieur et Gemini 3.5 Flash-Lite offre le meilleur rapport coût-efficacité en production.

Questions fréquentes

Quel modèle choisir pour le code et le raisonnement, Gemini 3.5 Flash-Lite ou Grok 4.6 ?+

Sur l’indice d’intelligence composite et les tests de code, Grok 4.6 prend l’avantage. Consultez les scores SWE-bench et GPQA ci-dessus pour plus de détails.

Quelle est la différence de prix API entre Gemini 3.5 Flash-Lite et Grok 4.6 ?+

Gemini 3.5 Flash-Lite est facturé $0.40 / $2.00 par million de tokens (entrée/sortie) contre $2.00 / $6.00 pour Grok 4.6. En coût pondéré, Gemini 3.5 Flash-Lite est plus économique.

Quel modèle offre la plus grande fenêtre de contexte et la meilleure vitesse ?+

Gemini 3.5 Flash-Lite prend en charge 1.05M tokens contre 500K tokens pour Grok 4.6. Côté vitesse de génération, Gemini 3.5 Flash-Lite est le plus rapide.

AI Terminology & Guide

Explore Glossary →

Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.

Tokens & Pricing Context Window AI Benchmarks Reasoning Models Tool Calling Model Context Protocol (MCP)

Gemini 3.5 Flash-Lite vs Grok 4.6

Changez et Comparez les Modèles

Gemini 3.5 Flash-Lite

Grok 4.6

Qui gagne où ?

Scores de Benchmarks Vérifiés

Latence et Temps de Réponse

Simulateur Interactif de Coût de Tokens

Gemini 3.5 Flash-Lite · Strengths & Key Advantages

Considerations & Trade-offs

Grok 4.6 · Strengths & Key Advantages

Considerations & Trade-offs

Token Use & Task Economics

Spécifications Techniques

Gemini 3.5 Flash-Lite vs Grok 4.6: Réponses Rapides (FAQ)

Verdict

Questions fréquentes

Related reading